評価では、4K映像全体をVLMへ入力した場合には判断できなかった事故を、検知した対象周辺の切り出し画像と動きの情報から判断できたとしています。NTTイノベーティブデバイスは2026年度内に、このLSIを搭載した製品(Engineering Sample)の提供開始を予定しています。
- 01 4K映像
縮小せず入力
カメラからの4K映像を高精細なままLSIへ入力
- 02 エッジLSI
30fpsで検出
リアルタイムに物体を検出・追跡し、位置・速度・移動方向を推定。平常時の消費電力は20W以下
- 03 事象の選別
必要な場面だけ
VLMでの状況判断が必要な事象を検知した場合だけVLM解析を実行
- 04 VLM
状況を判断
320×320画素の切り出し画像と動きの情報から事故などを判断
NTTの2026年10月27日発表をもとに作成。
実験結果: 1分間の事故映像で98.1%削減
評価には、事故発生の瞬間を含む1分間(1,800フレーム)の4K映像を使いました。画面奥方向に走行する黄色い車両が構造物に衝突し、車道を横切るように停止する場面です。4K映像全体をVLMへ入力した場合は入力時の縮小で黄色い車両が小さく潰れて事故と判断できなかったのに対し、今回の構成ではLSIの前段処理が停止した車両を検知し、切り出し画像と動きの情報から事故と判断できたとしています。事故発生前後を含む映像変化の大きい1分間で、VLMへの入力回数は34回に抑えられました。全1,800フレームを入力する場合と比べて約98.1%の削減に当たります。
入力画像
- 4K全体入力
- 4K全体を入力解像度に縮小
- 今回の構成
- 対象周辺の320×320画素を4K解像度のまま切り出し
遠方の小さな対象
- 4K全体入力
- 縮小で情報が失われ事故を判断できず
- 今回の構成
- 検知可能距離が従来比3倍以上
VLM入力回数
- 4K全体入力
- 1,800フレーム分
- 今回の構成
- 1分間で34回(約98.1%削減)
NTTの発表による比較条件。3倍超は「4K全体を一般的な物体検出モデルの入力解像度に縮小する方式」との比較で、全既存システムに対する値ではない。
評価映像と今後
評価映像は、A9-datasetと呼ばれるマルチセンサーの移動体研究用データセットの映像を4K解像度にアップスケールして利用したとNTTは明記しています。ネイティブの4K撮影映像での広範な評価ではありません。研究成果は2026年11月18日から25日に開催されるNTT R&D FORUM 2026に展示予定です。なお、LSI自体の4K・30fps・低消費電力の技術は2025年4月11日に発表済みで、今回の公表はVLMとの連携実証とその結果が中心です。
LSIを開発
4K映像をリアルタイム・低電力でAI推論できるLSIの開発を発表
VLM連携を実証
検知距離3倍超とVLM入力約98.1%削減の実証結果を公表
R&D FORUMに展示
NTT R&D FORUM 2026(11月18〜25日)に展示予定
ES提供予定
NTTイノベーティブデバイスが2026年度内にEngineering Sampleの提供開始を予定
NTTの2026年10月27日発表と2025年4月11日の先行発表による。2026年度内はNTTの会計年度に基づく予定。
98.1%はVLMへの入力回数の削減率で、推論コスト、トークン数、消費電力が同じ割合で減ったとの主張ではありません。20W以下は前段LSIの平常時の消費電力で、VLMを含むシステム全体の消費電力ではありません。検知距離3倍超も特定の比較方式との比較であり、NTTの実験結果に基づく数値で、第三者による独立再現は確認できていません。商用の一般提供日や価格は未公表です。
出典
- NTT「遠方小物体の検知可能距離を従来比3倍以上に拡大する映像監視技術を実証 ~4Kリアルタイム解析で、道路・空港などのインフラ監視の広域化・省設備化に貢献~」2026-10-27付。比較条件・30fps・20W以下・1,800→34回(約98.1%削減)・320×320画素・A9-datasetの4Kアップスケール・Engineering Sampleの2026年度内提供予定・R&D FORUM 2026展示予定
- NTT「超高精細映像からのリアルタイムAI推論をエッジ/端末上でも実行可能にするAI推論LSIを開発」2025-04-11付。LSI自体の先行発表。今回の新規性の区別に使用
出典の確認日 2026.10.28