AusSmoke と MultiNatSmoke：完全ラベル付きの多様な煙セグメンテーション・データセット

Abstract

山火事は、環境・経済・人間の健康への壊滅的な影響により、世界的に深刻化し続ける懸念となっています。2019-2020年のオーストラリアの山火事や、2025年のカリフォルニアの山火事のような注目すべき事例が、これらの出来事の深刻さを際立たせています。AIを活用したカメラベースの煙検出は、山火事を迅速に検出するための有望なアプローチとして登場してきました。しかし、検出およびセグメンテーションモデルの学習に用いられる既存の山火事の煙セグメンテーション・データセットは、規模が小さく、地理的に制約されていることが多く、さらに合成画像に依存している場合がしばしばあり、それが効果的な学習と汎化を妨げています。こうした制約を克服するために、本研究では、この地域におけるデータ不足に対処することを目的として、オーストラリアから収集した新しい煙セグメンテーション・データセットであるAusSmokeを提案します。さらに、新たに収集したオーストラリアの画像と、公開されている国際的なデータセットを統合することで、これまでの収集結果に比べてスケールを1桁拡大した、多国籍で地理的に多様な、かつ大幅に規模の大きい完全ラベル付きベンチマークであるMultiNatSmokeを導入します。最後に、煙セグメンテーション・モデルをベンチマーク評価し、多様な地理的状況において性能が向上し、汎化が強化されることを示します。本プロジェクトは\href{https://github.com/henryzhao0615/MultiNatSmoke}{Github}で公開されています。