HSCM-Lane: マルチレベルのシフトウィンドウコンテキストモデリングを備えたResNetベースのピクセル単位車線セグメンテーションアーキテクチャ

• EdgeLane-SEGフレームワークにより、YOLO26-SEGとHailo-8 NPUの組み合わせで50–52.6 FPSおよび18.85 FPS/Wを達成し、リアルタイム組み込みADAS環境で最高の性能を示した
• 両モデル(YOLO11-SEG、YOLO26-SEG)はmAP@0.5で98%超の検出・セグメンテーション性能を達成した

• 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

• 動的オクルージョン予測ニューラルネットワーク(Transformer+GNN)を提案し、DAIR-V2Xデータセットで高オクルージョン下で5.1%のMOTA向上を達成した研究結果が発表された

• カメラレンズ汚れの重症度推定のための静的から時間的へのフレームワークが提案され、WoodScape、External Test、OccNuScenes-Dirtでの実験でドメイン横断的な性能を示した。

本研究は、自動運転システムにおける軌道予測の解釈可能性とエッジ展開可能性という課題に対処するため、時空間軌道予測フレームワークを提案する。提案手法は、ActorNetにTemporal Convolutional NetworkとMulti-Head Self-Attention (TCN–MHSA)を統合し、Lane Graph Attention Network (LaneGAT)による構造化空間推論、およびActor–Lane相互作用のためのマルチステージFusionNetを組み込んでいる。モデルの解釈性を向上させるため、包括的なExplainable AI (XAI)評価フレームワー…