Tokyo, 14 octobre 2026 - NEC Corporation (NEC; TSE: 6701) a développé deux nouvelles technologies pour les modèles Vision-Language (VLM), la Compréhension Locale Basée sur VLM (*1) et l’Apprentissage Continu pour les VLM (*2), qui devraient être utilisées dans les opérations de secours et les efforts de récupération par les gouvernements locaux et d’autres organisations. La Compréhension Locale Basée sur VLM identifie avec précision les dommages à petite échelle visibles dans les images collectées sur les sites de catastrophe. L’Apprentissage Continu pour les VLM permet d’ajouter de nouveaux types d’informations sur les dommages comme critères de recherche tout en conservant les capacités de reconnaissance originales du VLM. Ces technologies sont le résultat d’une recherche conjointe avec le laboratoire Okatani de l’Université de Tohoku au Japon. Les VLM devraient soutenir les efforts de secours et de récupération en permettant aux utilisateurs de rechercher de grands volumes d’images en langage naturel et de réduire efficacement les images correspondant à des situations spécifiques. Les technologies de NEC réduisent non seulement la probabilité d’ignorer les dommages à petite échelle, mais permettent également d’ajouter des critères de recherche ultérieurement. Dans la vérification de NEC, elles ont réduit le temps nécessaire pour identifier des conditions de catastrophe spécifiques à moins d’une heure, alors qu’une inspection visuelle prenait auparavant environ 7 heures (*3). Grâce à ces technologies, NEC vise à contribuer à accélérer la réponse aux catastrophes par les gouvernements locaux et d’autres organisations, avec une mise en œuvre pratique ciblée pour l’exercice fiscal 2027.
Contexte
Au cours des dernières années, alors que les catastrophes naturelles deviennent plus graves et fréquentes, l’importance de minimiser les dommages et de prendre des décisions rapides a augmenté. Il y a souvent des dizaines de milliers d’images sur site immédiatement après une catastrophe, mais il faut un effort et un temps énormes pour que le personnel les examine visuellement. Dans ce contexte, les attentes sont élevées pour les VLM capables d’identifier les images pertinentes en fonction de requêtes textuelles afin de permettre même aux petites équipes d’évaluer rapidement les situations de catastrophe.
Cependant, de nombreux types de dommages critiques pour les décisions de secours et de récupération ne se présentent que comme de petits détails dans les images, occupant 10 % ou moins de la zone d’une image, et les VLM conventionnels les négligent parfois (*4). De plus, alors que les VLM excellent à reconnaître les objets et situations courants, ils peuvent avoir du mal à identifier des phénomènes jamais vus auparavant, tels que des événements spécifiques à une région comme les glissements de terrain et les inondations, ou des dommages nouvellement identifiés. En outre, une formation supplémentaire peut réduire la précision des événements déjà reconnus (oubli).Pour relever ces défis, NEC a développé la compréhension locale de région basée sur VLM, qui comprend même les plus petits détails des images, et l’apprentissage continu pour les VLM, qui ajoute de nouvelles informations tout en conservant les connaissances existantes. Ces résultats de recherche ont été acceptés sous forme d’articles et présentés aux conférences internationales de vision par ordinateur « ECCV 2024 » et « ECCV 2026. »
Proposition de valeur
Ces technologies réduisent la probabilité de négliger les dommages à petite échelle visibles dans les images de terrain et réduisent le temps nécessaire pour évaluer les conditions de dommages spécifiques à moins d’une heure, alors que personnellement, cela prenait auparavant environ 7 heures à compléter visuellement. Lors de la phase de réponse initiale immédiatement après un désastre, elles accélèrent l’évaluation grâce à des recherches basées sur le texte (par ex. « routes bloquées par des débris de glissement de terrain »). Lors de la prise de décisions de récupération, elles aident à prioriser les inspections sur site en triant les images de dommages aux routes et aux bâtiments. De plus, les critères de recherche peuvent être ajoutés continuellement pour permettre des réponses flexibles aux risques de désastre imprévus — tels que les inondations après un tremblement de terre — et aux conditions locales.
Fonctionnalités de cette technologie
1. Détection haute précision des moindres détails dans les images, tels que les petites zones et les régions étroites
La compréhension locale de région basée sur le VLM propriétaire de NEC intègre les informations de région des objets au sein d’une image dans le processus d’extraction de caractéristiques du VLM, lui permettant d’extraire des informations en se concentrant non seulement sur l’image entière mais aussi sur de petites zones et des régions étroites. En conséquence, NEC a confirmé que même les petites zones représentant 10 % ou moins d’une image peuvent être identifiées avec le même niveau de précision que les VLM conventionnels pour des zones représentant environ 30–40 % d’une image. Cette technologie permet d’identifier avec précision les dommages à petite échelle, tels que les dommages structurels partiels aux bâtiments ou les fissures sur les routes, et de générer des descriptions détaillées.
2. De nouvelles informations peuvent être ajoutées tout en conservant les capacités de reconnaissance du VLM existant
Le Continual Learning propriétaire de NEC pour les VLM utilise non seulement des données d’entraînement supplémentaires, mais aussi une gamme diversifiée de descriptions générées par le VLM lui‑même avant l’entraînement supplémentaire. En apprenant à partir des deux sources simultanément, le système peut reconnaître de nouveaux événements tout en minimisant toute baisse de précision pour les événements déjà reconnus. Comme il n’est pas nécessaire de préparer un grand volume de données d’entraînement historiques, les critères de recherche peuvent être ajoutés à plusieurs reprises à un stade ultérieur. Cela permet de réduire les images à vérifier par un humain en utilisant à la fois les nouveaux événements liés aux catastrophes appris et les caractéristiques existantes telles que montagnes et rivières comme indices ; dans les expériences de vérification de NEC, cela a réduit le nombre d’images nécessitant une vérification humaine finale de 5 035 à une moyenne de 544 (environ un neuvième), réduisant le temps de révision à moins d’une heure (*3).
Grâce à ces technologies, NEC aidera les gouvernements locaux et d'autres organisations à évaluer rapidement les situations de catastrophe. À l'avenir, en plus des images de sites au niveau du sol, NEC combinera ces technologies avec l'analyse de données d'observation à grande échelle, telles que les images satellites optiques et radar à ouverture synthétique (SAR), pour soutenir une compréhension multifacette des conditions de catastrophe, et fera progresser la recherche et le développement visant à prévenir les catastrophes avant qu'elles ne se produisent.
Notes
(*1) La technologie A incorpore les informations de région des objets dans une image dans le processus d’extraction de caractéristiques du VLM, permettant une compréhension d’image axée sur les petits objets et les régions limitées. Présenté à la European Conference on Computer Vision 2024 (ECCV 2024). [N. Sogi, T. Shibata, et M. Terao, "Object-aware query perturbation for cross-modal image-text retrieval," Proc. ECCV, pp. 447–464, 2024.]
(*2) Une technologie qui ajoute de nouvelles connaissances tout en supprimant l’oubli des connaissances existantes en tenant compte, pendant l’entraînement, des descriptions générées par le VLM avant un entraînement supplémentaire. Présentée à la European Conference on Computer Vision 2026 (ECCV 2026). Son efficacité à supprimer l’oubli a été confirmée dans des évaluations sur des jeux de données publics. [N. Sogi, R. Ohkubo, T. Shibata, M. Terao, Y. Hosoya, et T. Okatani, "CaPCL: Caption-preserved continual learning for text-to-image retrieval," Proc. ECCV, 2026.]
(*3) Basé sur la vérification NEC utilisant 5 035 images de caméras montées sur véhicules extraites de séquences d’archives de la Grande Séisme de l’Est du Japon, couvrant 12 types d’événements liés aux catastrophes. Inspecter visuellement toutes les images à 5 s par image prend environ 7 heures. L’application de ces technologies réduit les images pour chaque événement cible à une moyenne de 544, réduisant le temps à environ 45 minutes (moins d’une heure).
(*4) Basé sur la vérification NEC. Dans le jeu de données d’images utilisé, la cible endommagée occupait 10 % ou moins de la zone d’image dans environ 60 % des cas.
À propos de NEC
Le groupe NEC exploite la technologie pour créer de la valeur sociale et promouvoir un monde plus durable où chacun a la possibilité d’atteindre son plein potentiel. NEC Corporation a été fondée en 1899. Aujourd’hui, les environnements de travail du groupe NEC, d’environ 110 000 employés, utilisent des technologies d’IA, de sécurité et de communication de pointe pour résoudre les besoins les plus pressants des clients et de la société.
Pour plus d’informations, veuillez visiter nec.com, et nous suivre sur LinkedIn et YouTube.
NEC est une marque déposée de NEC Corporation. Tous droits réservés. Les autres marques de produits ou services mentionnés ici sont les marques déposées de leurs propriétaires respectifs. ©2026 NEC Corporation.