MiLSD：リソース制約のあるデバイス向けマイクロ線分検出器

線分検出は、ビジュアルSLAM（同時位置推定と地図構築）、3D再構成、産業検査などのコンピュータビジョンタスクにおいて基本的な役割を果たす。近年の深層学習手法は検出精度を大幅に向上させたが、最小のモデルでも数メガバイトのメモリを消費するため、低コストのマイクロコントローラユニット（MCU）では実行が困難である。例えば、ARM Cortex-MシリーズのMCUは通常数百KBから数MBのRAMしか持たず、既存の深層学習ベースの線分検出モデルを搭載することはできない。そこで、サブメガバイト（1MB未満）のメモリ予算内で高精度な線分検出を実現することが重要な課題となっている。

2026年7月7日に提出された本論文では、Parsa Hassani Shariat Panahiら3名の研究チームが、MCUレベルの制約に特化したマイクロ線分検出器「MiLSD」を提案している。研究チームは、コンパクトな完全畳み込みバックボーンネットワークを用いて、3つの異なる出力表現（標準的なヒートマップ回帰、オフセット回帰、および提案するF-Clip中心・長さ・角度定式化）を系統的に比較した。その結果、F-Clip定式化は小規模モデルにおいて最も効率的に学習でき、限られたパラメータとメモリを有効活用できることが示された。例えば、25kパラメータ（0.25 MB）のベースラインモデルにおいても、F-Clip表現は他の表現より優れた性能を発揮した。

モデル量子化に関しては、8ビット量子化はほぼ無損失で全精度性能を維持できることが分かった。これにより、低消費電力のMCU上で効率的に推論を実行できる。一方、4ビット量子化は特に角度回帰の精度を著しく低下させ、量子化対応訓練（QAT）を行っても損失の一部しか回復できない。この発見は、エッジデバイスへのモデル展開において重要な指針となる。

1メガバイトの活性化メモリ予算内で性能をさらに向上させるため、MiLSDは複数の推論最適化技術を導入している：サブピクセル復号により線分の位置精度を向上、テスト時データ拡張により予測のロバスト性を強化、軽量検証器により低品質な検出結果をフィルタリングする。これらの技術を組み合わせることで、MiLSDはShanghaiTech WireframeデータセットにおけるsAP10指標を、ベースラインの10.6から24.1へと倍以上に改善し、メモリ使用量は1 MB以内に抑えられている。

注目すべきは、本研究はGPU規模の大規模パーサーと競合することを目的とするのではなく、組み込みビジョンシステム向けに精度とメモリのトレードオフを体系的にマッピングしている点である。論文では、異なる出力表現、ビット幅（8ビットと4ビット）、モデル容量（25kパラメータからより大規模なものまで）、後処理戦略（サブピクセル復号、テスト時拡張、検証器）が精度とメモリ消費に与える影響を詳細に比較している。これらの結果は、ロボット、ドローン、産業用センサーなどの具体的な応用シナリオに応じて、最適なモデル構成を選択するための指針となる。

MiLSDの登場により、高精度な線分検出と低消費電力な組み込みデバイスの間のギャップが埋められ、コストに敏感なIoT端末、小型ドローン、産業用センサーへのリアルタイム視覚アルゴリズムの展開が可能になる。今後の研究では、知識蒸留や重み共有などのモデル圧縮技術、およびハードウェア協調設計により、エッジコンピューティング環境での線分検出の応用範囲がさらに拡大することが期待される。本論文は全10ページ、12の図表、5つのテーブルを含み、全てのコードとモデルは出版後にオープンソース化される予定である。