NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

NTT、4K監視映像を前処理するエッジLSIとVLMの連携を実証――遠方小物体の検知距離を従来比3倍超、VLM入力を約98.1%削減

NTTは2026年10月27日、自社開発の超高精細映像AI推論LSIを前段処理に使い、4Kの監視映像から視覚言語モデル(VLM)へ渡す情報を絞り込む映像監視技術の実証結果を公表しました。遠方に小さく映る対象の検知可能距離を、4K映像全体を縮小して入力する方式と比べて3倍以上に拡大し、1分間の4K事故映像を用いた評価でVLMへの入力回数を約98.1%削減したと報告しています。

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。

図解LSIとVLMの二段構成の処理の流れ
  1. 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

  2. 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

  3. 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

  4. 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。

図解従来方式と今回の構成の比較
  • 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。

図解LSI開発から連携実証まで
  1. 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

  2. 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

  3. R&D FORUMに展示

    NTT R&D FORUM 2026(11月18〜25日)に展示予定

  4. 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

  1. 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
  2. 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

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. NTT、業務マニュアルからLLM自身に学習教材を生成させるチューニング技術を発表 tsuzumi 2のマニュアル範囲内の問題で正答率65.3%→83.1%

    NTTは2026年11月12日、業務マニュアルの知識をLLMに定着させるチューニング技術を発表した。LLM自身がマニュアルから仕様書やFAQなど複数の表現形式の学習データを生成し、それを使って学習する。NTTの実業務マニュアルの記載範囲内から作った問題でのtsuzumi 2の正答率は、学習前65.3%、比較した先行研究の最大73.3%に対して提案法は83.1%だった。軽量なLlama 3(3B)でも先行研究を上回るとしているが数値は未公表。11月18〜25日のNTT R&D FORUM 2026で展示予定で、NTTグループ各社への導入は計画段階。数値は単一企業の公表値で、独立した検証はまだない。

    記事を読む
  2. NTT、既存システムをAIが扱える状態に変換する技術を発表 設計書の不整合検出は予備実験で27%から80%に

    NTTは2026年10月23日、仕様書・設計書・コード・テストの対応関係を機械が扱える形に整理し、文書とコードの不整合やテストの不足を検出・補完する2つの技術を発表しました。サンプルアプリでの予備実験では、設計書に埋め込んだ41件の誤りの検出率が、従来のRAG方式の27%に対して提案手法は80%になりました。実案件への適用は今後で、製品化の時期は示されていません。

    記事を読む
  3. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む