LapDINO: 屋外地形セグメンテーションのためのDINOv3とラプラシアンピラミッドベースのアプローチ
LapDINO: A DINOv3 and Laplacian Pyramid-Based Approach for Outdoor Terrain Segmentation
自動運転技術が都市部から未整備の屋外環境へと拡大する中、安全な車両ナビゲーションのために複雑な地形の正確な理解が不可欠となっている。しかし、屋外環境は高い動的性、劇的な照明変動、曖昧なカテゴリ境界、そして高額なアノテーションコストといった特徴があり、ピクセルレベルのアノテーションに依存する従来の教師あり学習手法の汎化は困難である。本論文では、自己教師あり学習の基盤モデルDINOv3の強力な意味論的汎化能力と、ラプラシアンピラミッドのマルチスケール周波数解析能力を効果的に組み合わせた、LapDINOと名付けられた新しいデュアルパス双方向インタラクティブエンコーダを提案する。具体的には、DINOv3を用いてグローバルな意味論的特徴を「意味論マップ」として抽出し、同時にラプラシアンピラミッド分解を通じてマルチスケールの高周波詳細を「構造輪郭」として取得する。これに基づき、意味論情報と幾何学的詳細との間の動的な相互作用と相互洗練を可能にする双方向クロスアテンション融合メカニズムを設計した。さらに、3つの補完的な視点からピラミッド特徴を抽出するマルチブランチアテンション強化モジュールを導入した。ドメインシフトに対処するため、凍結されたDINOv3バックボーンの効率的なファインチューニングを可能にする軽量なビジュアルアダプタを設計した。最後に、この分野の研究を促進するために、2つのオフロード地形セグメンテーションデータセット、VOTDとVOCDを構築した。実験結果は、提案手法が最先端のパフォーマンスを達成し、精度と計算効率の最適なバランスを実現し、オフロード環境における地形認識のための堅牢で効率的なエンジニアリングソリューションを提供することを示している。
- 自己教師あり学習モデルDINOv3とラプラシアンピラミッドを組み合わせたLapDINOを提案し、オフロード環境での地形セグメンテーションにおいて最先端のパフォーマンスを達成
- オフロード地形セグメンテーションデータセットVOTDとVOCDを新たに構築・公開
本論文で提案されたLapDINOは、自己教師あり学習基盤モデルとラプラシアンピラミッドを組み合わせることで、オフロード環境における地形セグメンテーション性能を向上させている。自動運転の適用範囲が都市部からオフロード・未整備地へ拡大する中で、堅牢な地形認識技術は重要な競争力となる。また、2つのオフロード地形セグメンテーションデータセット(VOTD、VOCD)の公開は、この分野のベンチマークを提供し、関連スタートアップや研究コミュニティの活性化につながる可能性がある。自動運転向け認識モジュールのサプライヤーや、オフロード特化型自動運転スタートアップの技術優位性を評価する際の参考材料となる。