| 研究領域 | 多様な質感認識の科学的解明と革新的質感技術の創出 |
|---|
| 研究課題/領域番号 |
18H05021
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 株式会社国際電気通信基礎技術研究所 |
|---|
研究代表者 |
細谷 晴夫 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主任研究員 (50335296)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
8,320千円 (直接経費: 6,400千円、間接経費: 1,920千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
|---|
| キーワード | 機械学習 / 視覚皮質 / 深層学習 / 確率的生成モデル |
|---|
| 研究実績の概要 |
本年度では、それまでに開発を進めてきたgroup-based variational autoencoder についてさらに研究を進めた。グループ化されたデータから、共通因子は「内容」、それ以外の因子は「変形」と して推定できるようにし、確率モデルとして定式化し、学習アルゴリズムを完成させた。顔画像など3D物体の画像データセットを５種類用意し、この手法を適用したところ、期待されたように内容と変形の因子を分離して推定できた。また、既存手法である基本的なvariaitonal aueoncoderと、multi-level variational autoencoderと、比較し、定量的に性能が凌駕することも示した。この手法を、テクスチャや風景など様々なタイプの異なる質感データに適用することも試みたが、意味のある分離は見られず、データセットに依存することも明らかになった。またサルの神経生理学で知られている視覚系の性質との関係も調べた。特に、本研究のモデルを用いて高次視覚野の顔領野を構築し、その性質を過去の生理学実験の結果と比較した結果、Freiwaldらの2009年と2010年のデータと高い類似度を示すことがわかった。
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
