車載カメラ映像を用いた高速道路附属物点検における大規模視覚言語モデルに基づく視認性不良検出の性能改善に関する検討
キーワード:
in-vehicle camera,
anomaly detection,
semantic segmentation,
in-context learning,
vision language model
2026 年 7 巻 3 号 p. 993-1004
詳細
2026 年 7 巻 3 号 p. 993-1004
高速道路の維持管理では，車載カメラ映像を用いたAIによる点検支援が期待されている．画像と言語を統合的に扱う大規模視覚言語モデル（Vision Language Model: VLM）を用いた道路附属物の視認性不良検出手法が提案されているが，視認性不良の過検出や見逃しが課題となる．本研究では，車載カメラ画像を用いた高速道路附属物点検において，VLMによる検出性能の改善を目的として，種類別の特性と事前学習済みVLMの入力形式を考慮し，crop画像取得における最小領域面積の設定，正方形crop処理，および視認性不良事例を拡充したIn-context learningを導入する．実際の高速道路走行時に撮影された車載カメラ画像を用いた実験により，提案手法が従来手法よりも過検出および見逃し抑制に寄与する可能性を確認し，視認性不良の種類に応じて必要となる視覚情報が異なることを示す．
