MFNet：マルチスペクトルシーンを用いた自動運転車両向けのリアルタイムセマンティックセグメンテーションへ向けて

本研究は、自動運転車両向けの街路シーン画像のセマンティックセグメンテーションに取り組み、本論文で新たに提案されたRGB-熱赤外（Thermal）データセットを活用している。自動運転車両に対する関心の高まりに伴い、セマンティックセグメンテーション技術の自動運転システムへの適用が注目されている。しかし、近年のセマンティックセグメンテーションに関する研究の多くは、夜間や悪天候時における視認性が低下する状況で取得されたRGB画像に依拠しており、その多くは性能の向上にのみ焦点を当て、処理時間の削減には十分な配慮がなされていない。このような問題を踏まえ、リアルタイム処理下でも高いセグメンテーション精度を維持可能な新たなマルチスペクトル画像セグメンテーション用畳み込みニューラルネットワーク（CNN）アーキテクチャの提案を試みた。本手法の有効性を検証するために、熱赤外画像とRGB画像を統合したRGB-熱赤外データセットを構築し、ベンチマーク評価を実施した。その結果、熱赤外情報の追加により、セマンティックセグメンテーションの精度が顕著に向上することが明らかになった。