Tag · 10 篇
协同感知
WhisperNet：一种可扩展的带宽高效协同感知方案
WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration
提出以接收端为中心的全局协调范式，通过轻量显著性元数据与全局请求计划动态分配带宽，并设计协同特征路由模块对齐消息，可即插即用地提升现有协同感知模型的通信效率与鲁棒性。
V2U4Real：面向车-无人机协同感知的真实世界大规模数据集
V2U4Real: A Real-world Large-scale Dataset for Vehicle-to-UAV Cooperative Perception
该数据集为跨视角协同感知提供了真实世界多模态基准，可用于研究车-无人机协同下的3D检测与跟踪，解决地面视角的遮挡与远距离感知问题。
Long-SCOPE：全稀疏长距离协同3D感知
Long-SCOPE: Fully Sparse Long-Range Cooperative 3D Perception
面向车路协同长距离感知，用几何引导的查询生成替代稠密鸟瞰图，并用可学习的上下文感知关联模块在位置噪声下鲁棒匹配协同查询，可直接迁移到多智能体/多视角融合中的稀疏查询关联与远距离小目标检测。
连接异构协同感知中的模态隔离
Linking Modality Isolation in Heterogeneous Collaborative Perception
针对多智能体协同感知中「模态隔离」（不同模态智能体从未在同一帧共现）这一设定，用码本把各模态特征空间正则化为离散码空间，再学习跨模态 feature-code-feature 翻译实现无需空间重叠监督的对齐；做 V2X/多车协同感知、跨模态特征对齐或模态缺失鲁棒性的人可直接复用该「无共现对齐」思路与极低通信量的码传输方案。
学习互视图信息图用于自适应对抗协同感知
Learning Mutual View Information Graph for Adaptive Adversarial Collaborative Perception
把多车协同感知中的特征融合过程建模为互视图信息图，并用时序图学习生成伪造风险图来搜索攻击位置与时机，这一「图表示+熵感知搜索」的框架可直接迁移到对 BEV 融合、V2X 协同检测等视觉系统的红队测试与防御加固。
恶劣天气条件下基于激光雷达-4D雷达融合的混合鲁棒协同感知
Hybrid Robust Collaborative Perception with LiDAR-4D Radar Fusion under Adverse Weather Conditions
在车路/车车协同感知场景下，用4D毫米波雷达补足退化激光雷达的稀疏点云，其双向跨模态门控（BCMG）做特征可靠性互校验、自适应特征增强（AFE）修复被抑制区域，可直接迁移到多智能体多模态融合的鲁棒检测框架中。
CoopDiff：一种面向退化条件下协同的扩散引导方法
CoopDiff: A Diffusion-Guided Approach for Cooperation under Corruptions
把扩散去噪器当作特征级净化模块，用教师-学生范式在体素早期融合阶段生成干净监督，并用自我引导交叉注意力在退化条件下平衡融合两路特征；做车路协同/多智能体感知且需应对传感器与环境退化时可直接借鉴该去噪-融合结构。
CoLC：结合激光雷达补全的通信高效协同感知
CoLC: Communication-Efficient Collaborative Perception with LiDAR Completion
在带宽受限下用前景感知点采样加激光雷达补全重建稠密 pillar 再做早期融合，为多智能体协同感知提供了一条兼顾互补性与通信开销的路线，可直接迁移到车路协同与多车 BEV 感知系统。
CATNet：面向协同感知的协同对齐与变换网络
CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception
面向车路协同/多智能体感知中的时序延迟与多源噪声问题，STSync 的相邻帧差分对齐与 WTDen 的小波域去噪可作为即插模块复用到任何异步多视角特征融合流程中。
所有车辆都可能说谎：通过伪随机贝叶斯推理在全不可信车辆协同感知中实现高效对抗防御
All Vehicles Can Lie: Efficient Adversarial Defense in Fully Untrusted-Vehicle Collaborative Perception via Pseudo-Random Bayesian Inference
针对全不可信车辆协同感知场景，提出利用时序感知差异和伪随机分组进行贝叶斯推理的防御框架，仅需每帧两次验证即可估计恶意车辆数量与身份，为车路协同感知的对抗鲁棒性提供了可复用的验证调度与推理机制。