RoadDiffBox: 制御された画像生成と半監督学習による自動道路災害診断
Yuanyuan Hu1, Ning Chen2, Hancheng Zhang1
1Institute of Highway Engineering, RWTH Aachen University, Aachen, Germany.
Research (Washington, D.C.)
|August 27, 2025
まとめ
ロードディフボックスはAIによる画像生成と 半監督学習を使用して 自動注釈を伴う多様な道路災害画像を作成します この枠組みにより,手作業によるラベリングが大幅に削減され,限られたデータでも効率的な道路整備が可能になります.
科学分野:
- 土木工学
- コンピュータ科学
- 人工知能
背景:
- 道路インフラの損傷は 繰り返し負荷や環境要因により 避けられないものです
- 伝統的な道路災害検査は費用がかかり,労働も要します.
- 人工知能ベースの方法には 大規模で高品質なデータセットが必要で 実用的な応用が限られています
研究 の 目的:
- ロードディフボックス (RoadDiffBox) を導入し,AIベースの道路災害検出のための新しいフレームワークを導入します.
- 制御された画像生成と半監督学習を通じてデータセットの制限に対処します.
- 交通事故の識別のための手動のラベル付けを減らす.
主な方法:
- 加速された画像生成のための無音拡散暗示モデルを使用します.
- データセットの不均衡に対処するためにクラスコントロールを使用します.
- 資源の制限のあるデバイスの知識蒸留を実装する.
- 自動制限ボックスの注釈を備えた高品質のさまざまな道路災害画像を生成します.
主要な成果:
- RoadDiffBoxは,さまざまな地理的地域 (ドイツ,中国,インド) にわたって強力な汎用性を示しています.
- 高性能メトリック:分類のためのF1スコア0.95,mAP@50の0.95,制御された設定での検出のためのF1スコア0.91.
- リアルな環境で堅実なパフォーマンスを維持した (F1スコア0.86,mAP@50 0.91).
- 画像生成時間はサーバークラスのハードウェアで画像1つあたり0.18秒です.
結論:
- ロードディフボックスは,リアルタイムで道路のメンテナンスを行うためのスケーラブルで効率的なソリューションを提供します.
- このフレームワークは,小さなデータセットや不均衡なデータセットの限界を効果的に克服します.
- 医学イメージングを含む分野を超えた応用の可能性を示しています.


