NECのCyIOCが日米欧3極へ、データを域外に出さず24時間監視
テクノロジー・イノベーション 1
NECの災害VLM、画像確認7時間を1時間弱へ短縮
NEC（日本電気）は2026年10月14日の発表で、東北大学岡谷研究室と開発した災害画像向けVLM（視覚言語モデル）技術について、東日本大震災の車載カメラ画像5,035枚から人が確認する候補を平均544枚に絞り、1枚5秒の目視確認を約7時間から約45分（1時間弱）に短縮できるとする自社検証と、2027年度中の実用化目標を示した。検証では、画像群から被災事象に合うものを探し、最後に人が確認するまでの目視時間を比較している。
開発したのは、画像の小さな部分に写る被害を捉える「局所領域理解」と、新たな被災事象を学習しても従来の認識能力の低下を抑える「継続学習」の技術だ。文章で現場画像を検索し、自治体の救助・復旧判断に必要な候補を絞る用途をbp-Aの報道は紹介している。今回示された成果は過去の画像を使った検証であり、現場への導入実績ではない。
確認時間を縮めた検証条件
時間短縮の直接の理由は、担当者が目視する画像の枚数を減らしたことにある。全件を同じ速さで見る場合と、VLMで候補を絞った後に見る場合を比べた。発表値を検索から最終確認までの順に並べると、比較している作業の範囲が分かる。
- 検索対象：東日本大震災の記録映像から抽出した車載カメラ画像5,035枚。被災事象は12種類。
- 全件の目視：画像を1枚5秒で確認すると、所要時間は約7時間。
- 候補の絞り込み：対象の被災事象に応じて、人による最終確認が必要な画像は平均544枚。
- 絞り込み後の目視：同じく1枚5秒で確認すると、約45分。ここまでが「1時間弱」の根拠となる。
- 小さな対象の認識：NECの研究者への技術解説で枌尚弥主任は、画像面積の10％以下を占める対象でも30～40％を占める対象と同等の認識精度を実験で確認したと説明し、主成分分析を試した経緯を「これが意外にも上手くはまり」と振り返った。
- 実用化の段階：目標は2027年度中。
平均値は、被災事象ごとに候補として残った画像の枚数を表す。候補を人が確認する工程は残るため、VLMが被害の有無や対応の優先順位を最終決定したという意味ではない。確認時間も実際の災害対応を通して測定した値ではなく、閲覧枚数に一定の目視時間を掛けた試算だ。
画像の撮影や収集、モデルによる処理、担当者間の連絡にかかる時間は、この比較に含まれない。一方、数千枚を一通り見る代わりに候補へ集中できれば、目視作業の負担は変わる。実運用では、候補から外れた画像に重要な被害がどれだけ残るかも、確認枚数と併せて判断する必要がある。
小さく写る被害を拾う仕組み
局所領域理解が対象にするのは、画像全体では目立たない損傷だ。車載カメラは道路と周囲の景色を広く写すため、ひび割れや建物の部分的な損壊が画面の一部に収まることがある。画像全体の印象だけに頼ると、検索したい被害を表す情報が埋もれやすい。
新技術では、画像内で対象物が占める領域の情報をVLMの特徴抽出に反映する。研究者は、VLMが重要な部分に注意を向ける仕組みを調整し、小さな領域に残る情報を強調したと説明している。道路のひび割れを探す文章が入力されたとき、道路全体の風景だけでなく、その一部にある変化を候補選びに使う狙いだ。
面積の比較は「認識精度が何％になった」という絶対値を示すものではない。大きく写る対象に対して、小さく写る対象をどの程度認識できたかを示す結果である。災害画像では確認したい箇所が写真の中心や最大の被写体とは限らず、面積の小さい対象を検索候補に残せるかが重要になる。
新たな被災事象を後から加える
継続学習は、検索対象が増えたときの認識能力の低下を抑える技術だ。地域によって注目する災害は異なり、発災後に探すべき状況が増えることもある。新しい画像だけでモデルを追加学習すると、以前は区別できた風景や事象を認識しにくくなる「忘却」が課題になる。
開発した方式は、追加する学習データに加え、更新前のVLM自身が生成した説明文も学習に用いる。新たな被災事象を覚える際に、以前のモデルが捉えていた山や河川などの情報も手掛かりとして残す仕組みだ。過去の大量の学習画像を毎回そろえ直さず、検索できる事象を増やすことを目指している。
局所領域理解と継続学習は、画像検索の別々の弱点に対応する。前者は画像内に小さく写る対象を見つけやすくし、後者は新しい検索対象を加えた後も既存の認識を保つ。今回の絞り込み結果は、こうした技術を適用して得たもので、被害の種類を問わず同じ候補枚数になるという保証ではない。
実用化に向けて残る確認
想定される場面は、自治体などに集まった現場画像から「土砂で塞がれた道路」のような状況を文章で探し、現地確認の優先順位を考えることだ。画像を仕分ける時間を減らせても、候補の内容と対応の必要性は担当者が判断する。技術の価値は、その判断に届く画像を少ない目視作業で集められるかにある。
今回の評価は、過去の震災映像から抽出した一定の画像群に基づく。撮影地点、画質、災害の種類が変わる現場でも、重要な画像を残しながら候補を減らせるかが次の焦点となる。実用化を目指す段階では、目視時間の試算に加え、見落としと確認負担を同じ条件で示すデータが求められる。
関連記事：
関連記事
ニュースレターを購読
Web3、AI、暗号資産の最新ニュースを受信箱にお届けします。
0