オクルージョン環境での車両検出精度向上に向けた3Dモデルと拡散モデルによるデータ合成

カテゴリ：部門大会

論文No：MC5-5

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Improving Vehicle Detection under Occlusion in Parking Lots via Synthetic Data Generation using 3D Modeling and Diffusion Models

著者名：谷口 博基（富山県立大学）,西原 功（富山県立大学）,西澤 昌宏（富山県立大学）,中田 崇行（富山県立大学）

著者名(英語)： Hiroki Taniguchi (Toyama Prefectural University),Isao Nishihara (Toyama Prefectural University),Masahiro Nishizawa (Toyama Prefectural University),Takayuki Nakata (Toyama Prefectural University)

キーワード：車両検出,3Dモデリング,拡散モデル,合成データ生成,オクルージョン,Vehicle detection,3D modeling,Diffusion models,Synthetic data generation,Occlusion

要約(日本語)：近年，駐車場における効率的な車両管理の需要が増大している．それに対して，カメラを用いた車両検出が注目を集めているが，車両同士の重なりによるオクルージョンで検出精度が低下する課題がある．その課題に対し，オクルージョン環境下にある訓練データの増加が効果的であるが，深層学習モデルの訓練に不可欠な多様な訓練データの収集と注釈付けには多大な費用を要する．本研究では，この課題に対し，3Dモデリングと拡散モデルを応用し，3Dモデリング空間で再現した駐車場環境の深度情報から，設定した環境に忠実かつ写実的で多様な駐車場画像を拡散モデルで効率的に生成する合成データ生成手法を提案する．本手法で生成データを加えて学習したモデルは，既存データセットのみで学習したモデルと比較し，mAP50などの指標で改善を示し，オクルージョン環境下での性能向上に寄与する可能性が示唆された．

本誌掲載ページ：1208-1213p

原稿種別：日本語

PDFファイルサイズ：3,329Kバイト