Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CoCMT: Communication-Efficient Cross-Modal Transformer for Collaborative Perception

Created by
  • Haebom

저자

Rujia Wang, Xiangbo Gao, Hao Xiang, Runsheng Xu, Zhengzhong Tu

개요

본 논문은 다수 에이전트 협력 지각 시스템의 통신 효율성을 높이기 위한 새로운 프레임워크인 CoCMT를 제안합니다. 기존 시스템들이 중간 특징 맵 전체를 전송하여 통신 부하가 큰 문제점을 가지는 반면, CoCMT는 객체 쿼리 기반의 접근 방식을 통해 필수적인 정보만 선택적으로 전송합니다. 여기에는 효율적인 쿼리 변환기(EQFormer)를 사용하여 다수 에이전트의 객체 쿼리를 효과적으로 융합하고, 단계 간 상승 작용을 강화하는 심층 감독 기법을 적용하여 성능을 향상시키는 것이 포함됩니다. OPV2V 및 V2V4Real 데이터셋 실험 결과, CoCMT는 기존 최첨단 방법보다 성능이 우수하면서 통신량을 획기적으로 줄이는 것으로 나타났습니다. 특히 V2V4Real 데이터셋에서 상위 50개 객체 쿼리를 사용하는 모델은 기존 최고 성능 방법보다 83배 적은 0.416 Mb의 대역폭만을 필요로 하면서도 AP70 지표를 1.1% 향상시켰습니다. 이러한 효율성 향상은 대역폭이 제한적인 환경에서도 정확도 저하 없이 실용적인 협력 지각 시스템 구축을 가능하게 합니다.

시사점, 한계점

시사점:
객체 쿼리 기반의 협력 지각 프레임워크를 통해 통신 효율성을 획기적으로 향상시킬 수 있음을 보여줍니다.
제한된 대역폭 환경에서도 높은 정확도의 다수 에이전트 협력 지각 시스템 구축을 가능하게 합니다.
EQFormer와 심층 감독 기법을 통해 다수 에이전트 협력 지각 성능을 향상시킬 수 있는 새로운 방법을 제시합니다.
실제 환경에서의 협력 지각 시스템 적용 가능성을 높입니다.
한계점:
제안된 방법의 성능이 특정 데이터셋에 의존적일 가능성이 있습니다. 다양한 데이터셋 및 환경에서의 추가적인 실험이 필요합니다.
객체 쿼리 선택 전략의 최적화에 대한 추가적인 연구가 필요할 수 있습니다.
복잡한 환경이나 많은 수의 에이전트가 존재하는 경우의 성능 저하 가능성에 대한 분석이 필요합니다.
👍