# CoCam4D امکان اشتراک‌گذاری داده‌های عمق را برای خودروهای دوربین‌محور فراهم می‌کند

> چارچوبی بیزی به خودروهای خودران امکان می‌دهد بازنمایی‌های فشرده سه‌بعدی گاوسی را با هم مبادله کنند و بدون LiDAR، عدم‌قطعیت تخمین عمق را کاهش دهند.

Oossa · 2026-10-09 · https://oossa.com/fa/cocam4d-enables-camera-only-cars-to-share-depth-data

پژوهشگرانی به سرپرستی Soham Pahari، CoCam4D را معرفی کردند؛ سامانه‌ای برای ادراک مشارکتی در رانندگی خودران که فقط از دوربین استفاده می‌کند. این سامانه عدم‌قطعیت هندسی را با اجزای صحنه سه‌بعدی گاوسی مدل می‌کند و آن‌ها را از طریق C‑V2X در قالبی ۳۵‌بایتی به نام Dynamic Object Primitives به اشتراک می‌گذارد. آزمایش‌ها روی مجموعه‌داده‌های عمومی نشان می‌دهند که این روش در OPV2V+، نسبت به بهترین روش اخیرِ مبتنی بر بینایی، ۱۱.۴۸٪ و در DAIR‑V2X‑C، ۱۰.۶۲٪ بهبود دارد. این روش بدون LiDAR و صرفاً با تکیه بر داده‌های دوربینِ به‌اشتراک‌گذاشته‌شده کار می‌کند.

## حقایق

- مقاله در 2026-10-09 («Fri Oct 09 2026») در arXiv منتشر شد
- بهبود 11.48% در OPV2V+ و 10.62% در DAIR‑V2X‑C

## چرا مهم است

این روش به ناوگان خودروهای مجهز به دوربین کمک می‌کند نقاط کور را بهتر تشخیص دهند، بی‌آنکه به سخت‌افزار گران‌قیمت LiDAR نیاز باشد.

## منابع و ارجاع‌ها

1. [CoCam4D: Geometry-Aware Cooperative 4D Perception for Camera-Only Autonomous Driving](https://arxiv.org/abs/2610.11577) – arXiv cs.RO, 2026-10-09

آخرین به‌روزرسانی: 2026-10-09