将通信带宽降低至十万分之一，NeurIPS2022论文提出新一代协作感知方法(2)

Where2comm在真实车路协同数据集DAIR-V2X上实现超视距感知
为全面展示本文所提出的 Where2comm 的优异性能，研究者在四个数据集上对其进行验证，包括无人飞机集群数据 CoPerception-UAVs, 车路协同仿真数据集 OPV2V, V2X-SIM，以及车路协同真实数据集 DAIR-V2X。对比的基线方法包括基本的单体探测（NoCollaboration），基于边界框的后融合（LateFusion），When2com(CVPR 2020)，V2VNet(ECCV 2020)，DiscoNet(NeurIPS 2021)，V2X-VIT(ECCV 2022)。

Where2comm在四个数据集上实现感知-通信权衡的大幅提升
他们发现，为达到同样的探测效果，Where2comm（红线）所需要的通信带宽消耗在CoPerception-UAVs，OPV2V，V2X-SIM，DAIR-V2X四个数据集上分别减少了 5128 倍，十万倍，55 倍，以及 105 倍。值得注意的是，之前的基线方法都是针对某个特定通信量进行了有针对性的模型训练，因此每个方法在通信量 - 探测效果的图中是一个单点。而 Where2comm 可以自动调整和适应各个通信量，因此是一条曲线。由此可见，Where2comm 实现了感知效果与通信消耗的有效权衡，能自适应资源多变的通信环境，且在达到相同的感知效果的同时，极大地降低了通信消耗。
进一步地，他们引入了多轮通信的机制。可以看到增加通信轮数，能稳定地进一步提升感知效果与通信消耗的权衡，保障协作感知系统内的协作者们无后顾之忧地积极参与协作。