★ 3
论文提出异构协同感知网络CauseCollab
提出CauseCollab，从因果视角统一异构模态的协同感知表示学习，通过因果度量学习解耦语义与模态混杂因素，并采用上下文引导的统一转换器保证跨模态一致性。在OPV2V和DAIR-V2X数据集上达到最先进性能，尤其在大模态差异场景下提升显著。
arXiv cs.AI59 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
提出CauseCollab，从因果视角统一异构模态的协同感知表示学习，通过因果度量学习解耦语义与模态混杂因素，并采用上下文引导的统一转换器保证跨模态一致性。在OPV2V和DAIR-V2X数据集上达到最先进性能，尤其在大模态差异场景下提升显著。
论文提出可扩展的异构图神经网络框架，用于自动生成与评估多智能体共享路径规划图。模型将路点、智能体位置与任务位置表示为异构节点，基于专家求解轨迹训练以剪枝冗余节点与边。实验显示在密集路图上运行时间与图规模至少减少 40%，且生成的路图对任务排列不变、可复用。