| Project/Area Number |
21K18034
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 90030:Cognitive science-related
|
|---|
| Research Institution | Aichi Shukutoku University |
|---|
Principal Investigator |
満倉 英一 愛知淑徳大学, 人間情報学部, 講師 (50845948)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | アモーダル補完 / 大域的補完 / 局所的補完 / 対称性 / 評価関数 / 曲率 / 視覚数理モデル / 視覚情報補完 / 形状補完 / 標準正則化理論 |
|---|
| Outline of Research at the Start |
他の物体によって一部を遮蔽された物体の被遮蔽領域における形状を補完することをアモーダル補完と呼ぶ．従来のアモーダル補完の数理モデルは形状の局所的補完には成功しているが，大域的補完には成功しているとは言いがたい．そこで本研究は，多くの視覚数理モデルで用いられる標準正則化理論の枠組みで，3次元面の等高線の曲率を用いて形状に関する評価関数を新たに提案し，アモーダル補完の視覚数理モデルの構築を目指す．このモデルを構築できれば，ヒトの視覚系が最適化問題を解いているとの解釈への新たな科学的証拠となるとともに，遮蔽が頻発する実環境における高度な形状検出アルゴリズム等への工学的応用も期待できる．
|
| Outline of Annual Research Achievements |
ヒトは物体の一部を他の物体によって遮蔽された領域における形状を補完する。この視覚機能をアモーダル補完という。アモーダル補完は，被遮蔽領域周辺の特徴を用いる局所的補完と，被遮蔽物体全体の特徴を用いる大域的補完に大別される。このようなヒトの視覚情報補完を数理的に捉えると，評価関数が最小となる形状を見出す最適化問題を解いていると解釈される。
ヒトの視覚系は階層構造をなしており，階層や部位毎にその役割は異なる。アモーダル補完に関連するV1野・V2野・V4野は，形状に関する情報を符号化していることが先行研究によって示唆されている。また，本研究において，2022年度の研究成果から遮蔽物体と被遮蔽物体の奥行き関係を3次元面として定義することで，ヒトのアモーダル補完結果の一部を数値シミュレーションによって再現できた。これらの結果から，アモーダル補完の数理モデルを構築するには，視覚情報が統合されるメカニズムの検討が必要であると考えた。
そこで2023年度は，視覚情報の補完と統合に関する心理実験を行った。この実験では，運動残効を生じさせる順応刺激とテスト刺激の重なり位置を操作することで，これらが運動残効に及ぼす影響を調査した。その結果から，ヒトの視覚系において局所情報が大域的情報として補完・統合される過程や，そのメカニズムについて予測が得られた。その研究成果を国内外の学会等で発表した。さらに，ヒトの視覚情報処理特性をもとに，数学教材の提案も行った。
しかし，2023年度は数値シミュレーションについて，良好な研究成果は得られなかった。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2023年度は2022年度までの遅れを改善したうえで，形状の対称性を評価する評価関数を定式化し，数理モデルの構築を試みた。しかし，期待通りの成果は得られなかった。その主な理由として，2023年度に研究代表者の職位が変化したことがあげられる。2023年度は着任初年度相当であり，担当する校務や授業に大幅な変更と増大があった。その結果，研究全体に遅れが生じた。2024年度は研究時間を多く確保するために，2023年度のスケジュールを見直し，改善する。
|
| Strategy for Future Research Activity |
2024年度は，2023年度に生じた進捗の遅れを改善し，研究結果をまとめる。2023年度に引き続き，ヒトの視覚系においてアモーダル補完を表象しているV1野とV2野で符号化可能な量（3次元面の曲率など）を用いて局所的補完に関する評価関数を修正するとともに，大域的補完に関連するV4野で符号化可能な量を用いて評価関数を定式化することで，アモーダル補完結果を再現可能な視覚数理モデルを構築したい。
具体的には，まずShimaya（1997）が曲率を用いて提案した形状の対称性に関する評価関数を元に，数理モデルを構築する。そして，数値シミュレーション結果と先行研究によって得られている心理実験結果を比較し，得られた数理モデルの再現性を検証する。さらに，この数理モデルの特性を解析し，その結果をもとに数理的観点から考察し，3次元曲率を用いた新たな評価関数を提案する。また，2023年度に実施した心理実験結果を参考に，形状補完について，局所情報が統合されるメカニズムを検討する心理実験も行い，その結果を数理モデルに反映したい。
次に，上記の手順で得られた評価関数が最小となる形状を見出す数理モデルを，神経回路網で実装可能な微分方程式として構築する。そのため，モデルの出力は補完領域における初期条件や境界条件に依存すると考えられる。ゆえに，これらを変数とする数値シミュレーションによって提案モデルの妥当性を検証する。特に数値シミュレーションに関しては，本研究の遅れを解消するために，PCを複数台用いて，様々な変数に対する数値シミュレーションを同時に実施する。
得られた数理モデルの妥当性については，ヒトの神経回路網での実装可能性と，心理実験結果の再現性という２つの観点から評価する。
以上の研究成果を日本視覚学会などの国内外の研究会で積極的に発表し，i-Perceptionなどの海外査読付き論文誌にも投稿する予定である。
|
