サイト内の現在位置

学会・研究成果発表

Scientific Reportsに「量子アニーリングを用いた多物体追跡の高精度化手法」の論文が掲載されました

DATE：2025.10.31
研究テーマ：量子コンピューティング

(An English version follows below.)

2025年7月、Springer Nature 社が刊行する国際論文誌 Scientific Reports に、弊社研究員・伊原康行による論文 “Enhancing multiple object tracking accuracy via quantum annealing” が掲載されました。

Ihara, Y. Enhancing multiple object tracking accuracy via quantum annealing.
Scientific Reports 15, 24294 (2025).
new windowhttps://doi.org/10.1038/s41598-025-07492-7

研究の背景

多物体追跡（Multiple Object Tracking: MOT）は、カメラ映像中の複数の対象（車両・人・製品など）を連続的に検出・追跡する画像認識技術です。交通流計測、自動運転ロボットの衝突予測、工場ラインの監視など、リアルタイム性と高精度が求められる分野で幅広く活用されています。

これらの応用においては、処理速度（レスポンス）と追跡精度（正確性）の両立が極めて重要です。
しかし、対象物体の数が増えるにつれ、従来の追跡アルゴリズムでは計算量が急増し、速度と精度のバランスを保つことが困難でした。本研究は、このトレードオフを量子技術によって打破し、実用的な高速・高精度追跡を実現することを目的としています。

研究の概要

本研究では、量子アニーリング（Quantum Annealing: QA）を活用し、多物体追跡問題を高速かつ高精度に解く新しい手法を提案しました。主な成果は以下の3点です。

  1. QUBO形式による多物体追跡の定式化
    多物体追跡におけるフレーム間の物体対応付けを、量子アニーリングが解ける組合せ最適化問題（QUBO形式）として定式化しました。これにより、膨大な探索空間を量子計算によって効率的に探索できるようにしています。

  2. 複数追跡器の量子アンサンブル化（Quantum-Ensemble MOT）
    位置情報や外観特徴など、異なる基準を用いる複数の追跡手法を量子的に統合（アンサンブル化）し、誤追跡を抑制しました。この際、複数の追跡問題を量子アニーリング上で同時に解くことで、計算時間を大幅に短縮。また、結果の統合には巡回型統合手法を導入し、従来の多数決方式と比較して追跡精度が向上することを確認しました。

  3. リバースアニーリング（Reverse Annealing）による逐次高速化
    前フレームの追跡結果を初期値として再探索するリバースアニーリングを導入しました。連続するフレーム間で問題構造が類似している点に着目し、位置エンコーディングを利用して前フレームの結果を次の最適化問題へと変換。その結果、1トラッキングあたり3マイクロ秒という極めて短いアニーリング時間で、従来比99%以上のTime-To-Solution短縮を達成しつつ高精度を維持することに成功しました。

実験結果と応用可能性

現実世界の交通映像データ（UA-DETRACデータセット）を用いた実験では、多物体追跡における数理最適化計算として、世界最短クラスの3µ秒／1追跡処理という高速化を実現しました。しかもそのスピードを維持したまま、従来法に比べて99%以上のTime-To-Solution短縮や高精度な追跡性能を確認しています。この成果は、以下のようなリアルタイム性が求められる分野において特に有望です。

  • 交通信号制御のための交通流データ取得
  • 自動運転車やロボットの衝突回避
  • 製造ラインにおける製品の自動識別・品質監視

量子アニーリングの高速探索能力とアンサンブル最適化の精度向上を組み合わせた本研究は、量子技術による画像認識・リアルタイム制御の新しい地平を開く成果と考えられます。なお、本論文については、以下の解説動画でもわかりやすくご紹介しています。ぜひご覧ください。
new windowhttps://communities.springernature.com/videos/enhancing-multiple-object-tracking-accuracy-via-quantum-annealing

【関連特許】

  • 特願2021-201521 (特許第7704463号)
  • 特願2024-044375

(English version)

In July 2025, a research paper authored by Yasuyuki Ihara (Innovation Laboratories, NEC Solution Innovators, Ltd.) was published in Scientific Reports, a journal by Springer Nature.

Ihara, Y. Enhancing multiple object tracking accuracy via quantum annealing.
Scientific Reports 15, 24294 (2025).
new windowhttps://doi.org/10.1038/s41598-025-07492-7

Background

Multiple Object Tracking (MOT) is a fundamental technique in image recognition that continuously identifies and tracks multiple targets—such as vehicles, pedestrians, or industrial products—across consecutive frames. The technology has become essential in various fields, including traffic flow analysis, collision prediction for autonomous systems, and quality inspection in manufacturing lines.

In practical applications, maintaining both high processing speed (responsiveness) and high tracking accuracy (precision) is crucial. However, conventional MOT algorithms often face a trade-off between speed and accuracy because the computational complexity increases rapidly as the number of objects grows. Overcoming this trade-off is one of the central challenges in real-time visual computing.

Overview of the Study

The study proposes a new MOT framework based on Quantum Annealing (QA), aiming to achieve both speed and precision in real-time tracking. The main contributions are summarized as follows.

  1. QUBO-based formulation for multi-object tracking
    The correspondence between objects in consecutive frames is formulated as a Quadratic Unconstrained Binary Optimization (QUBO) problem, which allows the tracking process to be solved directly on a quantum annealing machine. This formulation enables efficient exploration of large combinatorial search spaces that are difficult to handle with classical methods.

  2. Quantum-Ensemble MOT for accuracy enhancement
    A new integration framework, Quantum-Ensemble MOT, is introduced to combine multiple types of trackers—such as position-based and appearance-based tracking—into a unified optimization process. By solving these different tracking problems simultaneously using quantum annealing and integrating their outputs through a cyclic integration algorithm, the method achieves higher reliability and significantly reduces computation time compared with conventional majority-vote integration.

  3. Reverse Annealing for sequential optimization
    The study further introduces Reverse Annealing (RA) to utilize the temporal continuity of video frames. Tracking results from a previous frame are employed as the initial state for the next optimization, enabling a refined search with a very short annealing time of 3 microseconds per tracking process. This approach leads to a reduction of over 99% in Time-To-Solution (TTS) while maintaining high tracking accuracy. The method effectively exploits position encoding to convert the previous tracking results into the initial values of the next frame’s problem.

Experimental Results and Applications

Experiments were conducted using real-world traffic video data (UA-DETRAC dataset). The proposed method achieved ultrafast optimization performance—3 µs per tracking process—while maintaining high accuracy.
Compared with conventional methods, the total computation time was reduced by more than 99%, and tracking accuracy remained stable across various scenes.

The technique shows strong potential for real-time applications such as:

  • -
    Traffic-signal control and dynamic traffic-flow estimation
  • -
    Collision avoidance in autonomous vehicles and mobile robots
  • -
    Automated inspection and product-line monitoring in manufacturing systems

These findings demonstrate that quantum annealing can serve not only as a high-speed optimization engine but also as a practical tool for real-time visual intelligence and cyber-physical systems. This publication highlights ongoing research into the integration of quantum computing and artificial intelligence for solving real-time optimization problems in mobility, industry, and smart-city applications. For a comprehensive and easy-to-understand overview of this paper, please refer to the explanatory video provided below.
new windowhttps://communities.springernature.com/videos/enhancing-multiple-object-tracking-accuracy-via-quantum-annealing

  • Share

担当者紹介

研究テーマ：量子コンピューティング
担当者：伊原　康行
コメント：量子コンピュータなどの研究開発を担当しています。これまで手掛けてきた主な研究領域は、画像認識、機械学習、トポロジカルデータ解析、暗号、数理科学。
連絡先：NECソリューションイノベータ株式会社　イノベーションラボラトリ
ipd-traffic_ai@nes.jp.nec.com