A.I.AI
SWIFT-Mamba: 空中波面センシング信号のその場検証に向けた軽量状態空間モデル
SWIFT-Mamba: A Lightweight State Space Model Toward In Situ Verification of Airborne Wavefront Sensing Signals
MSSensors · MDPI · CC BY 4.0
AIが原文を翻訳・要約しています
無人航空機(UAV)搭載レーザー波面センシング技術は、高精度振動検出に応用が期待されるが、複雑なノイズ干渉を受けやすい。既存の高精度深層学習ノイズ除去モデルは計算リソースを大量に消費するため、リソース制約のあるエッジデバイスへの展開が困難である。本稿では、リアルタイム品質管理のため、軽量な時周波数状態空間モデル「SWIFT-Mamba」を提案する。このモデルは、60,000件以上の実験データで評価され、平均信号対雑音比(SNR)で19.64 dB、スケール不変信号歪み比(SI-SDR)で16.10 dBの向上を達成した。計算量は0.066Mパラメータ、0.147GFLOPsと非常に少ない。SWIFT-Mambaは計算コストを大幅に削減しつつ、信号の物理的多様性を抽出し、高周波位相特徴を正確に保持できることを実証した。
KEY POINTS要点記事から抽出した重要情報
- SWIFT-MambaはUAV搭載レーザー波面センシング信号のノイズ除去用の軽量時周波数状態空間モデルであり、平均SNRで19.64dB、SI-SDRで16.10dBの向上を達成した
- モデルの計算量は0.066Mパラメータ、0.147GFLOPsと極めて軽量で、エッジデバイスでのリアルタイム展開が可能
CONTEXT文脈編集部による背景整理
UAV搭載レーザー波面センシング向けの軽量AIノイズ除去モデルの提案であり、エッジデバイスでのリアルタイム信号処理を可能にする点で実用性が高い。計算コストを大幅に削減しつつ高精度を達成したことは、産業用UAVセンシング分野でのAI技術の応用拡大を示唆しており、エッジAI市場の成長という観点から投資家の関心を引く可能性がある。
原文を読むAnalyzed at 2026年8月10日 21:00