| 研究課題/領域番号 |
22H00549
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 山梨大学 |
|---|
研究代表者 |
茅 暁陽 山梨大学, その他部局等, 理事 (20283195)
|
|---|
| 研究分担者 |
藤代 一成 駒澤大学, グローバル・メディア・スタディーズ学部, 教授 (00181347)
朱 臻陽 山梨大学, 大学院総合研究部, 助教 (10954927)
柏木 賢治 山梨大学, 大学院総合研究部, 教授 (30194723)
郷 健太郎 山梨大学, 大学院総合研究部, 教授 (50282009)
豊浦 正広 山梨大学, 大学院総合研究部, 教授 (80550780)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2026年度)
|
| 配分額 *注記 |
41,990千円 (直接経費: 32,300千円、間接経費: 9,690千円)
2026年度: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2025年度: 7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
2024年度: 8,450千円 (直接経費: 6,500千円、間接経費: 1,950千円)
2023年度: 8,970千円 (直接経費: 6,900千円、間接経費: 2,070千円)
2022年度: 11,050千円 (直接経費: 8,500千円、間接経費: 2,550千円)
|
|---|
| キーワード | 色覚補償 / 色覚障害補償 / 画像色変換 / 拡張現実 |
|---|
| 研究開始時の研究の概要 |
本研究課題は，先行研究課題「コンピュテーショナル・オプサルモロジー：ARを用いた視覚障害者の視力の適応的増強」（基盤研究(A)17H00738）の後続研究である．色覚障害に的を絞り，以下の三点において先行研究課題の成果を発展させる．(1) 結果が計算モデルに直接利用可能で軽負担の自覚的検査方式による個人の障害レベルへの対応，(2)最新の転移学習を用いて，シミュレーションモデルに主観評価を組み合わせ，複合化した要因に適応，(3)最新の深層学習技術を駆使し，画像内の物体色を認識し，その物体と色のテキスト情報との相互参照を可能とすることで，色に基づく意思決定やコミュニケーションを支援．
|
| 研究実績の概要 |
本研究では最新の深層学習技術を活用し、個人の色覚障害の度合いに適応した色覚補償技術に加え、シーン中の物体の色覚特徴まで認識し、拡張現実感技術(Augmented Reality、 AR)を用いて可視化することで、意思決定や健常者とのシームレスなコミュニケーションを支援する技術を開発する。令和6年度の実績は以下の通りである。
課題（A）の個人の障害レベルの適応については、色覚障害の程度を定量的に推定する新たな計測技術を開発した。具体的には、100色相配列検査器による実測結果と異なる障害レベルをシミュレート可能なモデルをベースにし、ユーザの検査結果とシミュレーションデータをスピアマンの順位相関係数で比較することで、最も相関が高いレベルを障害程度と判定する方式を確立した。また、CIE Lab色空間上で障害の度合ごとの知覚色域をモデル化し、元画像の自然さと視認性のためのコントラストを両立する個人適応型色変換手法も開発した。
課題（B）の知覚評価に対応した個人適応型補償モデルの開発においては、色覚支援画像の有効性を評価するため、美学的評価に基づく画像評価モデルを基盤に、主観的評価を反映する支援画像評価モデルを設計した。令和5年度に収集した支援画像と評価値のペアで事前学習を行い、さらに個別データによるファインチューニングを実施した。
課題（C）の色識別とコンミュニケーション支援については、令和6年度は、音声入力に対応する大規模言語モデル「Gemini」を導入し、ユーザとの対話を前提とした支援システムを構築した。加えて、画像と意味論的情報のペアからなるデータセットを収集し、今後ユーザの単独使用ができるモデルの開発に必要な学習資源として整備した。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
計画した内容はすべて予定通りに実施され、期待していた成果を得ることができた。従来の個人適応型色補償アルゴリズムは、色覚障がいの度合が既知であることを前提としたCVD（色覚異常）シミュレーションモデルに基づいていたが、個々人の色覚障がいの度合を定量的に推定する手法がなかったため、実用性には限界があった。令和6年度に得られた成果である色覚障がいの度合を定量的に推定する技術は、この課題を解決するものであり、既存手法の有用性を大きく向上させることが期待される。
|
| 今後の研究の推進方策 |
課題（A）については、主観評価結果に基づき個人の視覚特性に適応した色変換深層学習モデルの開発を継続する。R６年度に実装したグラフニューラルネットワークと転移学習を活用して実装した画像変換モデルについて、30枚以下の学習データで学習可能となるようにモデルの改良も行う予定である。また、主観評価に用いる画像についても、独自の評価尺度を定義し、もっとも効果的な画像集を構築する。
課題（B）においては、これまでもっともよく利用されているMachadoらの色覚障がいシミュレーションモデルがデバイス依存であることを踏まえ、新たにCIE XYZ色空間に基づくシミュレーションモデルを開発し、その有効性の評価とモデル改善のための実験を行う予定である。
課題（C）では、令和6年度に開発した、音声入力に対応する大規模言語モデル「Gemini」を活用した支援システムの評価実験とインタフェースの改善を行う予定である。また、ユーザの単独使用ができるモデルの開発も行う予定である。
|
