HAT超解像とPARSeq+CLIP4STR投票アンサンブルによる極端な野外ナンバープレート認識
本論文は、ICIP 2026 Grand Challenge「Extreme In-the-Wild License Plate Super-Resolution (XLPSR)」への参加内容を述べています。システムは、Hybrid Attention Transformer (HAT)超解像フロントエンドと、2つのシーンテキスト認識器（PARSeq-SとCLIP4STR-B）のアンサンブル、および不確かな位置で棄権する信頼度重み付き文字投票スキームを組み合わせ、公開検証リーダーボードで9.73 wECRを達成しました。パイプラインはRTX 3090上でシーケンスあたり1.7秒で動作し、60秒のDocker予算を大きく下回ります。
ICIP 2026 Extreme In-the-Wild License Plate Super-Resolution (XLPSR) チャレンジにおいて、Karthik Sivarama Krishnanらの研究チームは新しい手法を提案し、公開検証リーダーボードで9.73 wECRという優れたスコアを達成しました。この手法は、画像超解像と文字認識を有機的に統合したものです。まず、Hybrid Attention Transformer (HAT)超解像モジュールを用いて、低解像度のナンバープレート画像内の文字をサブピクセル状態から識別可能なレベルに引き上げます。その後、2つの相補的なシーンテキスト認識器（PARSeq-SとCLIP4STR-B）をアンサンブルとして使用します。各認識器が文字の信頼度を出力した後、システムは信頼度重み付き投票方式を採用し、不確かな文字位置については棄権することで、チャレンジ特有の+2/-1/0という非対称スコアリングルールを巧みに活用します。実験結果によれば、このパイプラインはRTX 3090 GPU上で1シーケンスあたり平均1.7秒（最大2.7秒、p99 2.4秒）で動作し、チャレンジで定められた60秒/シーケンスのDocker予算を大幅に下回りました。この高い効率性は、HATモジュールの軽量設計と認識器アンサンブルの効率的なスケジューリングによるものです。本成果はIEEE ICIP 2026チャレンジに採択され、最終ファイナリスト（トップ8）に選ばれました。この研究の核となる革新は、超解像を認識タスクの補助手段として位置づけ、独立した目的とはしなかった点にあります。文字の可読性に焦点を当てることで、極度のぼやけや複雑な背景のもとでも正確にナンバープレートを認識できます。今後、この手法は監視カメラや交通管理などの分野に応用され、自動ナンバープレート認識システムのロバスト性をさらに向上させることが期待されます。なお、本論文は2ページ、1図、1表からなる短報です。