2019 Fiscal Year Annual Research Report
「脳ならでは」の質感知覚方略：機械学習との画像特徴依存性の類似性と相違性
Publicly Offered Research
| Project Area | Understanding human recognition of material properties for innovation in SHITSUKAN science and technology |
|---|
| Project/Area Number |
18H04996
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
永井 岳大 東京工業大学, 工学院, 准教授 (40549036)
|
|---|
| Project Period (FY) |
2018-04-01 – 2020-03-31
|
| Keywords | 質感知覚 / 心理物理学 / 画像特徴量 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、1. 多種多様な質感の中で、ヒトが低次画像特徴に基づいて知覚する質感とは何なのか、2. その低次画像特徴と機械学習が用いる画像特徴の類似性・相似性はどこにあるのか、を明らかにすることであった。
本研究では、質感知覚に関する心理物理実験と、そのデータと機械学習の対応性解析を行った。まず、心理物理実験では、多数の実サンプルの写真を刺激として用いた。短時間（33.3~150.0 ms）だけ呈示される刺激に対し光沢感、透明感、温度感、重さ感を被験者に判断してもらい、その精度を計測した。その結果、呈示時間が33.3 msのように短くなると、いずれの質感でも判断精度が低下したが、その中でも重さ感だけが精度低下が顕著に大きかった。呈示時間が短いと視覚系が取得できる情報がかなり制限されることから、重さ感以外の質感では、呈示時間が短いときでも単純な画像特徴に基づく判断ができる可能性が示された。
続いて、この心理物理実験の結果と機械学習の対応関係を解析した。画像認識用のConvolutional Neural NetworkであるAlexNetを解析対象とし、特に単純な画像特徴を取り扱う初期層に着目した。実験刺激に対する初期層の応答を説明変数として、被験者の質感知覚量を説明する回帰モデルを作成した。その結果、光沢感、透明感、温度感では、呈示時間が短い場合でもモデルの決定係数が十分高く維持された一方で、重さ感では呈示時間が短くなるにつれ顕著に決定係数が低下した。この結果から、重さ感以外の質感においては、その知覚における多様な手がかりが画像に含まれ、ヒトは入手可能な画像特徴に応じて戦略を臨機応変に変化させながら質感を知覚していると考えられる。
最後に、研究テーマから得られた知見の一般化を目指し、刺激サンプル数と質感の数を大幅に増やすため、JavaScript に基づくweb実験環境の構築も行った。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
