[論文レビュー] Adaptive Communications in Collaborative Perception with Domain Alignment for Autonomous Driving

Hu Senkang, Zhengru Fang+5 more|arXiv (Cornell University)|Sep 15, 2023

Visual Attention and Saliency Detection被引用数 4

ひとこと要約

本稿では、伝送遅延を最小化するための動的通信グラフ最適化、レート・歪み効率と時間的冗長性の低減を実現するデータ再構築の適応的調整、および車両間のデータ非同一性を軽減する周波数ドメインドメイン整合を組み合わせたチャネルに配慮した協調的認識フレームワークACC-DAを提案する。本手法は、自動運転シナリオにおいて、車両検出の認識精度を最大3ポイント向上させるとともに、高PSNR条件下でビットレートを111.1%削減し、最先端手法を上回る性能を発揮する。

ABSTRACT

Collaborative perception among multiple connected and autonomous vehicles can greatly enhance perceptive capabilities by allowing vehicles to exchange supplementary information via communications. Despite advances in previous approaches, challenges still remain due to channel variations and data heterogeneity among collaborative vehicles. To address these issues, we propose ACC-DA, a channel-aware collaborative perception framework to dynamically adjust the communication graph and minimize the average transmission delay while mitigating the side effects from the data heterogeneity. Our novelties lie in three aspects. We first design a transmission delay minimization method, which can construct the communication graph and minimize the transmission delay according to different channel information state. We then propose an adaptive data reconstruction mechanism, which can dynamically adjust the rate-distortion trade-off to enhance perception efficiency. Moreover, it minimizes the temporal redundancy during data transmissions. Finally, we conceive a domain alignment scheme to align the data distribution from different vehicles, which can mitigate the domain gap between different vehicles and improve the performance of the target task. Comprehensive experiments demonstrate the effectiveness of our method in comparison to the existing state-of-the-art works.

研究の動機と目的

• 自動運転における複数車両の協調的認識における動的チャネル変動とデータ非同一性に対処すること。
• リアルタイムのチャネル状態情報（CSI）に基づいて通信グラフを構築することで、伝送遅延を最小化すること。
• データ再構築における適応的レート・歪みトレードオフとリアルタイムのモデル最適化により、伝送効率を向上させること。
• センサの多様性と車両間の環境差によるドメインギャップを低減すること。
• 周波数ドメインの振幅スペクトル整合を用いて、車両間の特徴分布を統一することで、統合的認識性能を向上させること。

提案手法

• 伝送遅延最小化モジュールは、リアルタイムのCSIを用いて動的通信グラフを構築し、平均遅延を低減する。
• 適応的データ再構築機構は、リアルタイムでのレート・歪みトレードオフの調整と、オンラインモデル最適化による時間的冗長性の最小化を実現する。
• ドメイン整合スキームは、画像を周波数ドメインに変換し、振幅スペクトルを一致させることで、分布非同一性を低減する。
• 3つのモジュール（遅延に配慮した通信、適応的再構築、ドメイン整合）を統合し、エンドツーエンドの協調的認識を実現する。
• t-SNE可視化により、ドメイン整合後のデータ分布発散の低減が検証された。
• 本手法は、V2VNet、DiscoNet、Attention Fusionなどの既存の認識モデルをベースラインとして用い、提案モジュールを統合して性能向上を図る。

実験結果

リサーチクエスチョン

• RQ1 車両ネットワークにおける変動する無線チャネル状態下で、通信グラフをどのように動的に最適化すれば、伝送遅延を最小化できるか？
• RQ2 適応的レート・歪みトレードオフとリアルタイムのモデル最適化は、協調的認識におけるデータ再構築効率と冗長性低減にどの程度寄与するか？
• RQ3 周波数ドメインの振幅スペクトル整合は、車両間のセンサ差異と環境変動に起因するデータ非同一性を効果的に低減できるか？
• RQ4 ドメイン整合は、協調的自動運転システムにおける統合的認識性能をどのように向上させるか？
• RQ5 遅延最小化、適応的再構築、ドメイン整合の統合的影響は、全体的な協調的認識精度と効率にどのような効果をもたらすか？

主な発見

• ドメイン整合機構により、OPV2Vデータセット上でのAttention Fusionでは車両検出精度が1.38%向上、DiscoNetでは2.10%、V2VNetでは1.82%向上した。
• ドメイン統合を施した場合、提案されたACC-DAフレームワークのAP@IoUは54.08%から55.06%に上昇した。
• 適応的リファインメント戦略により、38.0 dB PSNRでは25%のビットレート削減が達成され、38.6 dB PSNRでは111.1%の削減が得られた（非最適化再構築と比較）。
• t-SNE可視化により、ドメイン統合が分布非同一性を低減しており、変換後の特徴量が元のデータよりも凝集したクラスタリングを示した。
• 伝送遅延最小化モジュールは、動的CSIに応じた通信グラフの適応により、平均遅延を効果的に低減した。
• 包括的な実験により、ACC-DAは認識精度と通信効率の両面で最先端手法を上回ることが実証された。