2021 Fiscal Year Annual Research Report
A study on the causes of AR sickness by constructing a nonlinear mathematical model based on biosignals measurements and individual differences
| Project/Area Number |
18K11417
|
|---|
| Research Institution | Gifu City Women's College |
|---|
Principal Investigator |
松浦 康之 岐阜市立女子短期大学, 国際文化学科, 講師 (30551212)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高田 宗樹 福井大学, 学術研究院工学系部門, 教授 (40398855)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 立体映像 / 拡張現実 / 仮想現実 / 衛生学 / 自律神経 / 重心動揺 / 人工知能 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究では、映像酔いの数理モデル構築を目的としている。これまでに、立体映像視聴時に関わる実験および、その評価によって、知見を得ている。今年度は、これらの知見を踏まえ、主に若年者に関する立体映像視聴時の数理モデル（機械学習モデル）の構築について検討を行った。実験では、2D映像および3D映像視認時における若年者の視線運動の計測（周辺視認、中心視認）を行った。人工知能によるモデルの構築・評価には、統計的機械学習における判別問題の結果から、混同行列を求め、正解率、適合率、再現率などの指標を算出し、機械学習モデルの性能を数値化して評価を行った。実験では、中心視認時及び周辺視認時において計測した視線運動について、前処理として標準化を行った後、一定の系列長を決め、データを抽出した。抽出した時系列をデータセットとし、統計的機械学習を行い、周辺視と中心視の判別を行った。学習モデルには回帰型ニューラルネットワークにおけるゲート機構である Gated Recurrent Unit (GRU)と空間情報を捉えることが出来るConvolutional Neural Network (CNN)を組み合わせたモデルを用いた。その結果、視認映像の立体性に関わらず、系列長に依存して正解率は向上した。また、正解率は系列長が10秒の95.7%が最大であった。また、視認映像の立体性によらず、系列長を20秒間にした時の適合率が減少した。これは周辺視認時において20秒間に数回程度、不随意に生じる衝動性眼球運動は、中心視認時に含まれるフリックと同様の運動パターンであるため、周辺視が中心視に判別された可能性が示唆される。
|
