CoDiff：首用扩散模型于多智能体协作感知，消噪提效，检测性能超现有方法 !

文章预览

三维目标检测在自动驾驶领域具有重要意义，因为它能够通过促进多个智能体之间的信息交换，大幅提高每个个体智能体的感知能力。然而，在实际应用中，由于姿态估计误差和时间延迟，各智能体间的信息融合常常会产生时空噪声，导致检测错误。扩散模型自然具备将噪声样例去噪至理想数据的能力，这促使作者探索使用扩散模型来解决多智能体系统中的噪声问题。 在这项工作中，作者提出了CoDiff，这是一种新颖的鲁棒协作感知框架，利用扩散模型的潜在能力生成更全面和清晰的特征表示。据作者所知，这是首次将扩散模型应用于多智能体协作感知。具体而言，作者将高维特征图投影到强预训练自编码器的潜空间中。在此空间内，单个智能体信息作为条件引导扩散模型的采样过程。 这一过程消除了粗略特征图的噪声，并逐步细化融合特征。在 ………………………………