CNN-KANとVMambaのデュアルパスネットワークからのConvLSTMベース時系列知識蒸留によるスマートフォンでのリアルタイム道路亀裂検出
Real-Time Road Crack Detection on Smartphones Through ConvLSTM-Based Temporal Knowledge Distillation from a CNN-KAN and VMamba Dual-Path Network
本研究では、スマートフォンで撮影された低解像度で照明条件や背景が複雑な道路の亀裂画像をリアルタイムかつ高精度に検出する手法を提案する。高精度なデュアルパス教師モデルと知識蒸留を用いた軽量な生徒モデルを組み合わせた2段階フレームワークを採用。教師モデルは、局所的なテクスチャ抽出のためのCNN-KANパスと、線形計算量でグローバルな文脈モデリングを行うVMambaパスを統合する。専用のKANベース融合モジュールが2つの特徴ストリーム間の適応的な非線形マッピングを学習する。教師モデルは公開データセットでmIoU 0.8087、mDice 0.9028を達成し、スマートフォンデータセットではmIoU 0.7084を達成した。GANベースの超解像度戦略によりmIoUが4.01%向上した。ConvLSTMベースの知識蒸留フレームワークにより、教師モデルを軽量なMobileViT生徒モデルに圧縮し、パラメータ数を57.80Mから1.57Mに、GPU推論時間を99.56msから1.46msに削減しつつ、mIoU 0.7078を維持した。この生徒モデルはAndroidスマートフォン上で15-20fpsで動作する。アブレーションスタディにより、ConvLSTMベースの時系列蒸留が標準的な蒸留以上の効果を持つことが確認された。このフレームワークは、スマートフォンでのリアルタイム道路亀裂監視の実用的なソリューションを提供する。
- CNN-KANとVMambaのデュアルパス教師モデルを知識蒸留で軽量化し、スマートフォン上でリアルタイム(15-20fps)の道路亀裂検出を実現した。
- 教師モデルは公開データセットでmIoU 0.8087を達成し、知識蒸留によりパラメータ数を57.80Mから1.57Mに、推論時間を99.56msから1.46msに削減しつつmIoU 0.7078を維持した。
本研究はスマートフォン上でのリアルタイム道路亀裂検出を実現する技術であり、CNN-KANとVMambaのデュアルパス教師モデルと知識蒸留による軽量化で、パラメータ数を57.80Mから1.57Mへ大幅削減しつつ精度を維持している点が注目に値する。道路インフラ保守のモニタリング市場は公共投資と連動しており、スマートフォンという普及済みハードウェア上で動作する点は実用化へのハードルが低く、インフラ点検のDX分野での商業化ポテンシャルがある。ただし、学術研究段階であり具体的な製品化や企業の動きは不明瞭なため、投資判断への直接的なインパクトは限定的である。