車線は知能車両の視覚認識システムにおいて重要な構成要素であり、安全な走行に不可欠な役割を果たしています。車線検出タスクでは、精度とリアルタイム性能のバランスを取ることが重要ですが、既存の手法はしばしば一方を他方のために犠牲にしてしまいます。このトレードオフに対処するため、我々はCLRKDNetという簡素化されたモデルを提案します。最先端のモデルであるCLRNetは様々なデータセットで優れた性能を示していますが、その特徴ピラミッドネットワーク（Feature Pyramid Network: FPN）と多層検出ヘッドアーキテクチャにより計算負荷が大きくなっています。我々の手法では、FPN構造と検出ヘッドを簡素化し、新しい教師-生徒ディスティレーションプロセスと新規導入された一連のディスティレーション損失を組み込むことで再設計しました。この組み合わせにより推論時間は最大60%削減されつつ、CLRNetに匹敵する検出精度を維持しています。精度と速度の戦略的なバランスにより、CLRKDNetは自動運転アプリケーションにおけるリアルタイム車線検出タスクに対する実用的な解決策となっています。