アメリカ土木技師協会によると、アメリカのインフラの状態は評価がCであり、特に道路システムはDという厳しい評価を受けています。道路は地域経済の重要な要素ですが、管理やメンテナンスのプロセスは依然として非効率的で、手動やレーザーによる検査方法に依存しているため、コストと時間がかかります。本研究では、リアルタイムの視覚データを活用し、最先端のコンピュータビジョン技術を用いて道路劣化のセグメンテーションを行います。具体的には、生成対抗ネットワーク（GAN）を用いて合成データを評価し、コンボリューショナル神経ネットワーク（CNN）による道路の劣化セグメンテーションを実施。その後、トランスフォーマーベースのモデルMaskFormerを検証しました。結果として、GANで生成したデータがモデルの性能を向上させ、MaskFormerがCNNモデルを両方の指標（mAP50とIoU）で上回ることが示されました。