2021 Fiscal Year Research-status Report
Quantitative Psychological Modelling of Affective Evaluation of Paintings Generated by Artificial Intelligence
| Project/Area Number |
21K17842
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
緒方 思源 早稲田大学, グローバルエデュケーションセンター, 助教 (50813573)
|
|---|
| Project Period (FY) |
2021-04-01 – 2023-03-31
|
| Keywords | 人工知能 / 絵画 / 感性評価 / 計算モデル / 心理モデル / Semantic Differential法 |
|---|
| Outline of Annual Research Achievements |
本研究は、「CAN」というAIアルゴリズム [Elgammal et al., 2017]に生成された絵画に対して人間がもつ感性評価の心理構造の解明（段階1）と、画像特徴量がCAN絵画の感性評価へ与える影響の定量的な解明（段階2）からなる。段階1では2つの実験を行う。実験1では、CAN絵画に対する感性的印象を描写できる形容詞を参加者に提供してもらい、収集した形容詞に基づいてCAN絵画の感性評価に相応しいSD法の評価尺度を作成する。実験2では、参加者にこれらの尺度を用いてCAN絵画の感性評価を行なってもらい、因子分析により感性評価の心理次元を抽出する。
2020年に本研究の準備として、両実験の実験用プロトタイプを作成し少人数の実験を行った。2021年の前半までの間にデータの解析を行い、CAN絵画の感性評価が、嗜好度・活動性・力量性・鋭さの4つの心理次元に構成されることが示された。なお、実験2で計測した感性評価以外の心理変数である「生き物らしさ」（絵画に描かれたものがどの程度生き物の外観と似ているかの評価）が、嗜好度に負の影響を与え、その影響の一部が力量性に媒介され、具体的には、生き物らしさが力量性に正の影響を与え、力量性が嗜好度に負の影響を与える。
2021年度の後半に、新型コロナの状況のため、大規模な実験の実施が難しくなったので、段階2の一部を前倒しして段階1の実験の先に行った。具体的には、実験2に用いる絵画の画像特徴量を計算し上記の感性評価データとの関係を調べた。初歩的な結果として、フーリエ変換によるパワースペクトラムの方位角的平均の対数曲線が上向きに曲がり、嗜好度が高い作品は嗜好度が低い作品より、周波数全体でパワーが大きい。一方、等方性には、嗜好度との関係が見られない。なお、Minkowski-Bouligand次元が高いほど、新奇性が低くて嗜好度が高い傾向がやや見られる。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2021年度の後半に、新型コロナの状況のため、研究補助者などの人件の面で、及び時間の面で、大規模な実験を行うことが難しくなった。このため、段階2の一部を前倒しし、段階1における実験の実施の先に行った。具体的には、まず、画像処理の文献調査を通して、画像の感性評価に影響できると報告された画像特徴量を収集した。そして、実験2に使用するCAN絵画作品からそれらの画像特徴量を計算し、少人数の実験において得られた感性評価の各因子の得点との間にどんな関係があるかについて調べた。
段階1における二つの実験の多人数での実施は今年度に行う。そして、多人数の実験のデータを用いて画像特徴量がCAN絵画に対する感性評価へ与える影響を説明できる計算モデルを構築する。上記の少人数の調査において感性評価の因子との間に関連が見られた画像特徴量は、この計算モデル構築の最初に行う、画像特徴量のスクリーンのための予備的知識の一つとして利用する。
|
| Strategy for Future Research Activity |
2022年度には、まず、段階1における実験1と実験2を多人数の条件で実施する。実験中、参加者がAI絵画を使用する場面（「応用場面」と略称される）を三つ設置する。場面1では、実験参加者は、提示されている絵画作品がAIによるものであることを知らない。場面2では、実験参加者は、提示されている絵画作品がAIによるものであることを知っている。場面3では、実験参加者は、提示されている絵画作品の中にAIによるものが入っていることを知っているが、どの作品がAIによるものかは知らない。実験2で得られた各応用場面での感性評価データから、その応用場面におけるCAN絵画に対する感性評価の心理次元（因子）を抽出する。
次に、段階2を完成する。手順として、まず、実験2に使用したCAN絵画作品ごとに、画像処理の文献から収集した、感性評価に影響できると報告された局所特徴量と大域特徴量を計算する。そして、それらの画像特徴量を入力とし、感性評価の各因子での因子得点を出力とする計算モデルを応用場面ごとに構築する。実験2の実験データをこれらの計算モデルの学習データとして利用する。モデル構築の手法について、感性評価の心理関係の複雑性を考慮した上でAdaBoostや人工ニューラルネットワークなどの非線形的な手法を試し、また、モデルの解釈性を考慮した上で重回帰分析も試す。さらに、応用場面ごとに、実験2と同じ手順で、新しいセットのCAN画像を用いてもう一つの感性評価実験（実験3）を実施する。実験3のデータを用いて各計算モデルの予測精度を検証する。また、モデルの内部状態の可視化も工夫し、それが応用場面によっていかに異なるかについて芸術心理学や視覚心理学などの分野での知見を用いて考察する。
|
| Causes of Carryover |
2021年度の後半に、新型コロナの状況のため、大規模な実験を実施することができなかった。この原因で、本来実験の実施に関連した人件費は支出されていない。実験の実施は2022年度に行いたいので、この支出されていない金額を次年度使用額として、実験の実施に利用させていただきたい。この次年度使用額と2022年度分として請求した助成金と合わせた使用計画は次のようである。
まず、実験参加者へ支払う謝金等について、実験1はアンケート調査の形式で5万かかる。実験2は145万円かかる。実験3は145万円かかる。合わせて295万円である。そして、プログラミング、及び実験1のアンケート調査で集めた単語データの整理とテキスト分析を補助する研究補助者を2人雇用したい。研究補助者の雇用に10万円かかる。したがって、人件費は295 + 10 = 305万円かかると想定する。次、本研究で使用しているCANシステムはGoogle Cloud Platform (GCP)を利用して構築した。GCPの利用料について、GCPでGPUを複数個配置し、構築したCANのプログラムとデータを保存し、またCANを複数回作動させるために、5万円かかる。図書と論文など研究用文献の購入に4万かかる。また、学会参加費に4万かかると想定する。以上で合計318万円かかる。
|
