　画像認識分野のニューラルネットワークモデルは高性能化が進む一方、画像を空間分割したパッチから特徴ベクトルを抽出、混合するプロセスにおいて、特徴空間情報が失われる課題があった。従来の「ResNet」などは残差接続によって情報を補うが、周波数情報の再現が不十分なため、小さな物体の認識漏れが生じるなど安定性の維持に課題を残していた。また、2017年に発表された「FractalNet」は残差接続を使わずに超多層ネットワークを構成できるものの、空間や周波数の情報損失からResNetに劣る認識性能となっていた。

　本研究グループは、これらの課題を解決するため、各パッチ内の空間情報を保持したままウェーブレットパッチトークンを抽出する手法「MWPP（Multiple Wavelet Patch Partition）」を提案した。さらに、残差接続を補強して周波数情報の伝達安定性を高める「SWC（Selective Wavelet Connection）」を導入した。これらを基盤に、畳み込みと自己アテンションを統合し、初期のブロックを基準として段階的に同じ構造を繰り返して構築するスケーラブルなFractalNEXTを設計した。

「FractalNEXT」の構造［クリックで拡大］出所：早稲田大学

　性能評価においてFractalNEXTは、画像データセット「ImageNet」でResNetを上回る76.8％、画像データセット「CIFAR-100」で81.2％のトップ1精度を達成した。また、古文書のくずし字認識に適用したところ、既存モデルの「VMamba」「PVTV2」「ConvNeXtV2」を上回るF1スコアの認識性能を示した。

古文書のくずし字認識をF1スコアで認識出所：早稲田大学

　本技術により、大小や遠近の異なる多様な物体が混在する複雑な画像でも正確な認識が可能になる。医用画像処理やリモートセンシング画像解析など、幅広いAI（人工知能）基盤技術への貢献が期待されている。

　今後の社会実装に向け、研究グループは群馬大学次世代モビリティ社会実装研究センターと自動運転トラックの共同研究を開始した。さらに、2026年6月に早稲田大学自動車研究機構に「ソフトウェア・デファインド・ビークル（SDV）研究所」を設立し、同8月には「SDV・フィジカルAI研究会」を設置する予定だ。2030年までに、本技術を用いた自動運転トラックによる東京（同大学西早稲田キャンパス）～福岡（北九州キャンパス）間の自動運転レベル4走行の実現を目指す。

⇒その他の「人工知能ニュース」の記事はこちら

空前のAIブーム！「猫も杓子もAI」な現状は今後も続くのか？【前編】
近年「製品セキュリティ」と呼ばれ始めたセキュリティの新分野に関する事象を紹介し考察する本連載。今回は、連載テーマである「製品セキュリティ」から多少は逸脱するが、IT革命以来の世界を革新するものと世論に目されているAIのこれまでと今後について述べる。
「猫も杓子もAI」な現状は今後も続くのか？【後編】AI時代に必要な3つの検討事項
近年「製品セキュリティ」と呼ばれ始めたセキュリティの新分野に関する事象を紹介し考察する本連載。今回は、「AIの今後」について筆者が必要だと考えている「3つの重要検討事項」について述べる。
少ない内視鏡画像で学習する高精度な膀胱内視鏡診断支援AIを開発
産業技術総合研究所は、画像基盤モデルを使用して少量の内視鏡画像の学習から高精度に診断する膀胱内視鏡診断支援AIを開発した。事前学習に広く使われるデータセットを上回り、泌尿器科専門医に匹敵する精度だ。
狭小な駐車場に、シャープがポールカメラ式製品発表　市場シェア10％目指す
シャープは、コインパーキング向け新製品としてポールカメラ方式のセンサーユニットを開発し、2026年9月に受注を開始する。1本のポールで2車室を管理できる。2031年までに駐車場システム累計1万カ所への納入を目指す。
DMPがフィジカルAI実装向け新拠点を開所、次世代SoCやAMRデモを披露
DMPは「DMP 東京ロボティクス・イノベーションセンターショールーム」を開所した。最大200台を統合制御できる搬送ロボットや、中核頭脳となるエッジAIチップ「DI1」を展開し、現場の課題解決とフィジカルAIの社会実装を加速する。
AI活用の混載品パレットピッキングシステム構築、大成建設とファナック
大成建設はファナックと共同で、複数製品を1枚のパレットに混載した状態から、必要な製品を必要な数量だけ自動で取り出すピッキングシステムを開発した