InfoCom: Kilobyte-Scale Communication-Efficient Collaborative Perception with Information-Aware Feature Compression¶

会议: AAAI 2026
arXiv: 2512.10305
代码: GitHub
领域: 自动驾驶 / 协同感知
关键词: 协同感知, 通信效率, 信息瓶颈, 特征压缩, 3D目标检测

一句话总结¶

提出InfoCom框架，基于扩展的信息瓶颈原理将协同感知的通信量从MB级压缩至KB级（相比Where2comm降低440倍），同时保持近无损的感知性能，核心包含信息感知编码、稀疏掩码生成和多尺度解码三个模块。

研究背景与动机¶

协同感知通过多智能体信息共享来弥补单智能体感知的局限性（遮挡、远距离等），是自动驾驶安全性的关键保障。然而，现有协同感知方法面临一个根本性的通信-性能权衡：

现有的通信高效方法分为两类：(1) 特征选择方法（如Where2comm），选择性传输关键特征，但由于特征维度高，通信量仍在MB级；(2) 特征压缩方法（如ERMVP），将特征映射到低维空间，通信量有所降低但仍远超实际网络约束。核心矛盾在于：这些方法均假设MB级的通信带宽可用，但5G车联网场景的平均速率仅3.5 MB/s，且可能波动至0.4 MB/s以下，使得MB级通信在实际中不可靠。

更根本的问题是，现有方法缺乏通信-性能权衡的理论分析，仅通过启发式设计优化。本文从信息论的视角出发，提出了一种信息纯化范式（information purification paradigm）：不再在特征空间中操作，而是直接利用信息瓶颈(IB)原理提取最小充分的任务关键信息。但标准IB直接应用受限于数据处理不等式 \(I(Z;Y) \leq I(X;Y)\)，极端压缩与高精度感知之间存在固有张力。InfoCom通过扩展IB的马尔可夫链并引入稀疏掩码作为辅助信息来突破这一限制。

方法详解¶

整体框架¶

InfoCom是一个即插即用的通信高效协同感知框架，仅需替换现有协同系统的通信层并在训练损失中加入IB正则化项。流程为：各智能体用本地编码器提取中间BEV特征 \(Z\) → 信息感知编码压缩为极低维消息 \(E\) → 稀疏掩码生成识别空间线索 \(M\) → 传输 \(\{E, M\}\)（KB级）→ 接收端多尺度解码恢复可操作的BEV特征 → 融合网络聚合多视角信息 → 输出3D检测结果。

关键设计¶

信息感知编码（Information-Aware Encoding, IAE）:
- 功能：将高维中间特征 \(Z \in \mathbb{R}^{N \times C \times H \times W}\) 压缩为极低维的信息感知特征 \(E \in \mathbb{R}^{N \times D}\)，其中 \(D \ll C \times H \times W\)
- 核心思路：扩展标准IB的马尔可夫链从 \(Y \to X \to Z\) 到 \(Y \to X \to Z \to (E, M)\)，将空间线索解耦为辅助信息 \(M\)，使 \(E\) 专注于保留感知关键信息。优化目标为 \(E, M = \arg\min_{E,M} -I(E,M;Y) + \beta I(E,M;Z)\)。IAEncoder输出高斯参数 \((\mu_i, \sigma_i)\)，通过重参数化技巧采样 \(E_i = \mu_i + \sigma_i \odot \epsilon_i\)
- 设计动机：标准IB仅在sufficiency和minimality之间权衡，无法同时实现极端压缩和高精度。通过引入超低维特征空间和辅助掩码，将IB的内在矛盾分解为两个子问题
稀疏掩码生成（Sparse Mask Generation, SMG）:
- 功能：以极小的通信开销提供关键的空间先验信息，弥补极端压缩下的信息损失
- 核心思路：通过多尺度卷积（\(3 \times 3, 5 \times 5, 7 \times 7\)）和投影层生成空间重要性掩码 \(M_i \in \mathbb{R}^{H \times W}\)，然后通过两步联合压缩后处理：(1) 过滤——仅保留top-\(k\)关键位置，\(k = \lfloor \alpha \cdot HW \rfloor\)，\(\alpha = 0.1\)；(2) 量化——统一量化到 \(b=4\) bit精度。梯度通过直通估计器（STE）传播
- 设计动机：数据处理不等式表明 \(D/(C \times H \times W)\) 的压缩比越高，任务相关信息损失的风险越大。但极端压缩 \(E\) 释放了带宽空间用于传输辅助空间线索。实验证实仅10%的空间位置即提供了主要收益，高精度表示也无必要
多尺度解码（Multi-Scale Decoding, MSD）:
- 功能：在接收端从极度压缩的消息 \(\{E, M^q\}\) 渐进式重建可操作的BEV特征
- 核心思路：三步流程——(1) 特征初始化：\(E\) 经全连接和转置卷积扩展为低分辨率特征图 \(F_{init}^0 \in \mathbb{R}^{C^0 \times H^0 \times W^0}\)；(2) 掩码引导调制：下采样后的掩码与初始特征逐元素相乘 \(F^0 = F_{init}^0 \odot M^0\)，引导重建关注任务关键区域；(3) 多尺度重建：级联解码块逐步上采样，每步分辨率翻倍、通道减半，经 \(K\) 次迭代达到目标分辨率
- 设计动机：不同于简单的特征重建，MSD聚焦于恢复感知信息（而非完整特征），掩码引导使重建资源集中在关键区域

损失函数 / 训练策略¶

总损失函数为 \(\mathcal{L} = \mathcal{L}_{detect} + \beta \text{KL}(p(E|Z) \| r(E))\)，其中检测损失 \(\mathcal{L}_{detect}\) 隐式最大化 \(I(E,M;Y)\)，KL散度项在高斯先验 \(r(E) = \mathcal{N}(0, I)\) 下有闭式解，控制 \(I(E;Z)\)。两项联合优化实现噪声抑制（由Lemma 1理论保证：\(I(E,M;Y_N) \leq I(E,M;Z) - I(E,M;Y)\)）。

实验关键数据¶

主实验¶

数据集	方法	通信量	AP@50	AP@70
OPV2V	Standard Colla.	34.375 MB	0.9653	0.9229
OPV2V	Where2comm	3.439 MB	0.9463	0.8820
OPV2V	ERMVP	0.741 MB	0.9557	0.9127
OPV2V	InfoCom	7.875 KB	0.9650	0.9202
V2XSet	Standard Colla.	34.375 MB	0.9212	0.8426
V2XSet	ERMVP	/	OOM	OOM
V2XSet	InfoCom	7.875 KB	0.9273	0.8488
DAIR-V2X	Standard Colla.	24.609 MB	0.7843	0.6353
DAIR-V2X	ERMVP	0.531 MB	0.7791	0.6324
DAIR-V2X	InfoCom	5.922 KB	0.7789	0.6385

消融实验¶

配置	变体	Mean AP	说明
InfoCom完整	Full	0.9518	基线
IAE	Simple Encoder	0.9320	简化编码器，降2%
SMG	Simple Generator	0.9379	简化掩码生成，降1.4%
量化	w/o STE	0.8845	无直通估计器，降6.7%（严重）
MSD	w/o Mask	0.8839	无掩码引导，降6.8%（严重）
MSD	w/o Multi-Scale Rec.	0.9439	单尺度重建，降0.8%

关键发现¶

InfoCom将通信量从MB压缩到KB（7.875 KB vs Where2comm的3.439 MB，440倍降低），同时AP@50仅下降0.13个百分点
在V2XSet上ERMVP出现OOM，InfoCom反而超越了标准协作的性能（AP@50: 0.9273 vs 0.9212）
集成到弱backbone（AttFuse、MKD-Cooper）中时，InfoCom甚至提升了原模型性能1.27%，信息纯化机制有效抑制了噪声
掩码引导和STE是最关键的组件（去除后性能下降约6.8%），证明空间先验对极端压缩下的信息恢复不可或缺
保留率 \(\alpha > 0.1\) 时性能增益不足0.2%，量化到4bit精度后AP波动不足0.18%，印证了空间线索的固有稀疏性

亮点与洞察¶

从信息论角度重新定义了协同感知的通信效率问题，建立了通信-性能权衡的理论基础（不只是工程优化）
信息纯化范式是概念上的突破：不再试图压缩或选择特征（在特征空间操作），而是直接提取最小充分信息（在信息空间操作）
扩展IB马尔可夫链 \(Y \to X \to Z \to (E, M)\) 的设计巧妙地将压缩与空间先验解耦，使两者可独立优化
即插即用架构设计实用价值高：仅替换通信层即可与现有协同感知模型兼容，降低了部署门槛
Lemma 1的噪声抑制理论 \(I(E,M;Y_N) \leq I(E,M;Z) - I(E,M;Y)\) 为"信息压缩反而能提升性能"提供了理论解释

局限与展望¶

计算开销约为Where2comm的2倍（从Fig 4(a)可见），虽然传输时间大幅减少，但端到端延迟的改进程度取决于具体网络条件
IAEncoder使用简单的残差块设计（面向资源受限的智能体），更强的编码器可能进一步提升性能
仅在3D目标检测任务上验证，未扩展到占据预测、运动预测等其他协同感知任务
理论分析基于高斯先验假设，实际特征分布可能偏离此假设
极端压缩（KB级）对延迟敏感型场景有利，但在带宽充裕时是否不如MB级方法尚不明确
量化的STE梯度估计可能影响训练稳定性，论文中未讨论训练收敛性

评分¶

新颖性: ⭐⭐⭐⭐⭐ （信息纯化范式有概念突破，KB级通信效率是量级飞跃）
实验充分度: ⭐⭐⭐⭐⭐ （三个数据集、多个backbone、详尽的消融和可视化分析）
写作质量: ⭐⭐⭐⭐ （理论与实验结合紧密，但符号较多，阅读门槛稍高）
价值: ⭐⭐⭐⭐⭐ （解决了实际部署中的通信瓶颈，理论+实践双重贡献）