継続学習/物体認識/ドローン2026/2/1arXiv:2602.13440

屋内ドローンのためのリプレイベース継続的物体認識

Learning on the Fly: Replay-Based Continual Object Perception for Indoor Drones

屋内ドローン向けの時系列一貫性を保った14,400フレームのデータセットを構築し、限られたメモリ予算下でリプレイベースのクラス増分学習手法を評価した。

詳しい要約

1. どんなもの？

- 屋内ドローン向けの新しいデータセットと、リプレイベースの継続的物体認識（CIL）の評価を提示。 - データセットは14,400フレームの屋内動画で、ドローン間および地上車両の映像を含む。 - 半自動ワークフローでアノテーションされ、初回パスで98.6%のラベリング一致率を達成。 - YOLOv11-nanoを検出器として、3つのリプレイベースCIL戦略（ER, MIR, FAR）をベンチマーク。 - 限られたメモリ予算（5-10%リプレイ）下で評価。

2. 先行研究と比べてどこがすごい？

- 既存のUAVデータセットは屋外シーンが中心で、時間的整合性のある屋内動画が不足。 - 本研究は時間的整合性を保持した屋内UAV動画データセットを提供。 - リプレイベースCILを限られたリプレイ予算で評価した点が新しい。 - リソース制約のあるUAVプラットフォーム向けにYOLOv11-nanoを採用。

3. 技術・手法の肝は？

- 屋内ドローンと地上車両の映像を14,400フレーム収集。 - 半自動アノテーションワークフローを構築し、初回パスで98.6%の一致率を達成後、手動検証。 - リプレイベースCIL戦略としてER, MIR, FARを比較。 - 検出器はYOLOv11-nanoを使用。 - メモリ予算を5-10%に制限。 - Grad-CAM分析でクラス間の注意シフトを調査。

4. どうやって有効だと検証した？

- データセット上で3つのCIL戦略をベンチマーク。 - 5%リプレイでFARが平均精度（ACC, mAP50-95）82.96%を達成し、他を上回る。 - Grad-CAM分析により、混合シーンでのクラス間注意シフトがドローンの位置特定品質低下と関連することを示す。 - リプレイベース継続学習がエッジ航空システムに有効であることを実証。

5. 議論はある？

- 限られたリプレイ予算下でFARが優れるが、他の戦略との比較議論は要旨では限定的。 - Grad-CAM分析から、混合シーンでの注意シフトが位置特定品質を低下させる可能性を指摘。 - リプレイベースCILのエッジ航空システムへの適用可能性を示唆。 - データセットの時間的整合性保持の重要性を強調。 - 詳細な議論や限界は要旨からは不明。

6. 次に読むべき論文は？

- Experience Replay (ER) - Maximally Interfered Retrieval (MIR) - Forgetting-Aware Replay (FAR) - YOLOv11-nano - Grad-CAM - 関連する屋内UAVデータセットやCIL手法の論文

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Sebastian-Ion Nae, Mihai-Eugen Barbu, Sebastian Mocanu, Marius Leordeanu

分類: cs.CV, cs.RO

原文アブストラクト

Autonomous agents such as indoor drones must learn new object classes in real-time while limiting catastrophic forgetting, motivating Class-Incremental Learning (CIL). However, most unmanned aerial vehicle (UAV) datasets focus on outdoor scenes and offer limited temporally coherent indoor videos. We introduce an indoor dataset of $14,400$ frames capturing inter-drone and ground vehicle footage, annotated via a semi-automatic workflow with a $98.6\%$ first-pass labeling agreement before final manual verification. Using this dataset, we benchmark 3 replay-based CIL strategies: Experience Replay (ER), Maximally Interfered Retrieval (MIR), and Forgetting-Aware Replay (FAR), using YOLOv11-nano as a resource-efficient detector for deployment-constrained UAV platforms. Under tight memory budgets ($5-10\%$ replay), FAR performs better than the rest, achieving an average accuracy (ACC, $mAP_{50-95}$ across increments) of $82.96\%$ with $5\%$ replay. Gradient-weighted class activation mapping (Grad-CAM) analysis shows attention shifts across classes in mixed scenes, which is associated with reduced localization quality for drones. The experiments further demonstrate that replay-based continual learning can be effectively applied to edge aerial systems. Overall, this work contributes an indoor UAV video dataset with preserved temporal coherence and an evaluation of replay-based CIL under limited replay budgets. Project page: https://spacetime-vision-robotics-laboratory.github.io/learning-on-the-fly-cl

arXivで原文を読む →arXiv概要ページ

← 論文一覧