面向网联自动驾驶多智能体协同鸟瞰图分割的全场景域泛化

协同感知近来在自动驾驶领域受到显著关注，通过车辆间交换额外信息提升感知质量。然而，由于网联自动驾驶车辆（CAVs）间多样的环境条件与数据异构性，部署协同感知系统会导致域偏移。为应对这些挑战，我们提出一个统一的域泛化框架，用于协同感知的训练与推理阶段。在训练阶段，我们引入振幅增强（AmpAug）方法以增强低频图像变化，拓宽模型跨多域学习的能力。我们还采用元一致性训练方案来模拟域偏移，通过精心设计的的一致性损失优化模型以获取域不变表示。在推理阶段，我们引入系统内域对齐机制，在推理前减少或潜在消除 CAVs 间的域差异。大量实验证实了我们的方法相较于现有最先进工作的有效性。