面向协同感知的率失真优化通信
计算机视觉与模式识别
2025-09-29 v1
摘要
协同感知强调通过使多个智能体在有限带宽资源下共享视觉信息来增强环境理解。虽然先前的工作探索了任务性能与通信量之间的经验性权衡，但在理论基础方面仍存在显著差距。为填补这一差距，我们借鉴信息论，提出一种用于多智能体协作的具体化率失真理论，专门用于分析以目标为导向的多智能体系统中的性能-通信权衡。该理论具体化了两种关键条件，用于设计最优通信策略：提供实用相关信息和传输无冗余消息。在这两个条件的指导下，我们提出RDcomm—a种通信效率的协同感知框架，该框架引入两个关键创新：i) 任务熵离散编码，分配具有任务相关 codeword 长度的特征，以最大化提供实用信息的效率；ii) 基于互信息的消息选择，该方法利用互信息神经估计方法接近无冗余条件的最优。在3D目标检测和BEV分割实验中，RDcomm在DAIR-V2X和OPV2V上实现了最先进的准确率，同时将通信量降低最高可达108倍。该代码将公开释放。
引用
@article{arxiv.2509.21994,
title = {Rate-Distortion Optimized Communication for Collaborative Perception},
author = {Genjia Liu and Anning Hu and Yue Hu and Wenjun Zhang and Siheng Chen},
journal= {arXiv preprint arXiv:2509.21994},
year = {2025}
}