第 4 回海事コンピュータビジョンワークショップ (MaCVi 2026) 技術サマリー

本論文は、CVPR 2026 の一部として開催された「第 4 回海事コンピュータビジョンワークショップ (MaCVi 2026)」の課題概要、評価プロトコル、データセット、およびベンチマーク結果をまとめた報告書です。2026 年版の MaCVi は、予測精度と組み込みシステムにおけるリアルタイム実行可能性の両方に重点を置いた 5 つのベンチマーク課題で構成されています。

以下に、各課題の技術的詳細、主要な貢献、結果、および意義を詳述します。

1. 課題の背景と概要

海洋環境は、動的な照明、反射、複雑な背景など特有の課題を抱えており、自律水上艇 (USV) などの自律システムがこれらの環境を安全に航行・検知・解釈するためには、堅牢なビジョンアルゴリズムが不可欠です。MaCVi 2026 は、これらの課題に対処するための標準化されたベンチマークと研究エコシステムの構築を目的としています。

2. 主要な 5 つのベンチマーク課題と技術的アプローチ

2.1. ビジョン・トゥ・チャートデータアソシエーション (Vision-to-Chart Data Association)

• 課題: 単眼 RGB 画像から、可視の航海標識（ブイなど）を検出し、海図上のマーカーと対応付けること。反射、混雑、遠距離視点などの困難な条件下が求められます。
• 手法とトレンド:
  • 勝者 (HD Korea Shipbuilding): 地平線推定、ROI 投影、割り当て、較正を組み合わせた段階的なパイプラインを採用。海図情報と IMU データを明示的に幾何学的プリオアとして注入し、画像空間への投影を行いました。
  • 2 位 (Arquimea Research Center): 学習された世界 - 画像投影を用いた QueryMLP を DETR 型モデルに統合し、空間プリオアを強化しました。
  • 傾向: 物理的に根拠のある幾何学的条件付け（地平線、距離、方位など）が有効であり、強力な検出バックボーンと組み合わせることで性能が向上することが示されました。
• 結果: 1 位チームは、オーガナイザー提供のベースライン (F1: 0.3029) を大きく上回る F1 スコア 0.7926 を達成しました。

2.2. 熱画像物体検出 (Thermal Object Detection)

• 課題: 夜間や低視認性条件下での障害物および船舶の検出。Maritime Collision Avoidance Dataset を使用し、船舶と航海物体の 2 クラスを COCO 形式で検出します。
• 手法とトレンド:
  • アンサンブルの支配: 上位 3 位すべてが、Weighted Boxes Fusion (WBF) を用いたマルチモデルアンサンブルを採用しています（1 位は 6 モデル、2 位は 11 モデル、3 位は 9 モデル）。
  • 半教師あり学習: 1 位チームは、ラベル付きデータが少ない（704 画像）ため、テスト画像の擬似ラベル付けと MixPL を用いた半教師あり学習パイプラインを採用し、性能を向上させました。
  • 小物体検出: 63.4% の物体が 32x32 ピクセル未満（小物体）であり、高解像度推論が最も重要な要因でした。また、CLAHE（コントラスト制限適応ヒストグラム平坦化）が強力なモデルの性能を向上させることが確認されました。
  • アノテーション品質: 3 位チームは、風力タービンのアノテーション不整合を修正するだけで、単一の技術として最大の性能向上 (+0.027 AP) を達成しました。
• 結果: ベースライン (Faster R-CNN, AP 0.3137) に対し、1 位チームは AP 0.4868 を達成しました。

2.3. LaRS パノプティックセグメンテーション (LaRS Panoptic Segmentation)

• 課題: USV 視点のシーンを「Stuff」（水、空、静的障害物）と「Thing」（8 種類の動的障害物）に分割するパノプティックセグメンテーション。
• 手法とトレンド:
  • マスクトランスフォーマーと大規模事前学習: 上位チームは、Mask2Former や MaskDINO などのマスクトランスフォーマーメタアーキテクチャに、大規模自己教師あり学習バックボーン（DINOv3）を組み込む傾向にあります。
  • 小物体の難しさ: 動的障害物（特にブイやスイマー）の検出がボトルネックとなっており、SOTA である PanSR にはまだ劣っています。
  • 頑健性: 大規模バックボーンの前学習により、雨、霧、過曝露などの困難な条件下での頑健性が向上しました。
• 結果: 1 位 (M2F-DINOv3) は PQ 53.5 を達成し、ベースラインを凌駕しましたが、SOTA の PanSR (PQ 57.3) には届きませんでした。

2.4. 組み込みセマンティックセグメンテーション (Embedded Semantic Segmentation)

• 課題: 電力制約のある組み込みデバイス (Luxonis OAK4) 上で、リアルタイムかつ高精度に障害物をセグメンテーションすること。
• 評価指標: 動的障害物の F1 スコアと mIoU の積 (Q = F1 * mIoU) を主要指標とし、30 FPS 以上の実行速度が必須です。
• 手法とトレンド:
  • DSOS-Net (1 位): DINOv3 で事前学習された ConvNeXt バックボーンと軽量な RSOS-Net デコーダーを組み合わせ、2 段階学習戦略を採用。
  • PIDNet-S (2 位): 量子化に強い単純な畳み込みベースのアーキテクチャを採用し、Copy-Paste による小物体のデータ拡張を重視。
  • トレードオフ: 精度とスループットのバランスが重要であり、RSOS R50 は高速性、DSOS-Net は精度面で優位でした。
• 結果: 1 位 (DSOS-Net) は Q スコア 61.9、F1 66.0、mIoU 93.8、66.5 FPS を達成しました。

2.5. マルチモーダルセマンティックセグメンテーション (Multimodal Semantic Segmentation)

• 課題: RGB、熱画像、LiDAR の同期入力を用いたセグメンテーション。一部のモダリティが劣化または欠落しても信頼性を維持する必要があります。
• 手法とトレンド:
  • GatedMemorySAM (1 位): SAM2 のメモリアテンション機構を流用し、RGB、LiDAR、熱画像を別々の「フレーム」として扱います。Soft MoE LoRA による適応と、モダリティの品質に応じたゲーティング（重み付け）を導入し、夜間（テストセット）での性能低下を防ぎました。
  • ドメイン適応: 昼間のトレーニングデータと夜間のテストデータのギャップを埋めるため、夜間シミュレーションによる大規模なデータ拡張が鍵となりました。
• 結果: 1 位 (GatedMemorySAM) は、夜間テストセットにおいてベースラインを凌駕する性能を示しました。

3. 主要な貢献と知見

1. 幾何学的プリオアの重要性: 海事タスクでは、単なる画像特徴量だけでなく、海図情報、IMU データ、地平線推定などの物理的・幾何学的な制約をモデルに組み込むことが、特にデータアソシエーションや検出タスクで極めて有効であることが示されました。
2. アンサンブルと半教師あり学習の威力: 限られたラベル付きデータ（特に熱画像検出）において、多様なアーキテクチャのアンサンブルと、テストデータを利用した半教師あり学習が、性能向上の主要なドライバーとなりました。
3. 小物体検出の課題: 海事環境では、ブイやスイマーなどの小物体が検出のボトルネックとなっており、高解像度推論やドメイン固有のデータ拡張（Copy-Paste など）が不可欠です。
4. 組み込み制約と量子化: 組み込みデバイスへの展開においては、Attention メカニズムや大規模カーネルが INT8 量子化で性能を大きく損なう傾向があり、単純な畳み込みベースの軽量アーキテクチャが実用面で優位であることが確認されました。
5. マルチモーダル融合の難易度: 日中と夜間のドメインギャップを埋めるためには、単なる融合だけでなく、モダリティの品質に応じた動的な重み付けや、夜間シミュレーションによる厳格なデータ拡張が重要であることが示されました。

4. 結論と意義

MaCVi 2026 は、海事コンピュータビジョンの分野において、単一のタスクの最適化から、異なるタスク、センシング条件、展開制約を横断する汎用的なアプローチへの移行を示唆しています。

• 実用性: 組み込みデバイスでのリアルタイム実行や、夜間・悪天候下での信頼性向上など、実際の自律航行システムに必要な要件が明確に評価されました。
• 将来展望: 今後は、より汎用的な（Generalist）モデルが求められる方向へ進み、複数の課題を同時に解決できる手法の開発が期待されます。

本ワークショップは、学術界と産業界（HD Korea Shipbuilding, Schneider Electric, Luxonis など）の緊密な協力により、海事 AI の実用化に向けた重要なマイルストーンを築きました。