|
本研究では、深層学習の一種である敵対的生成ネットワークモデル（StyleGAN)と、視覚神経科学におけるニューロン受容野構造推定法である逆相関法を組み合わせることにより、個人が特異的に有すると考えられる理想的な絵画イメージを高精度カラー画像として再構築し、その画像特徴から絵画アートに対する美的経験に貢献する画像特徴の抽出が可能であるかどうかを検討した。
StyleGANに約９万枚の絵画アート画像を学習させることにより、５ジャンル（アカデミズム、印象主義、形式主義、キュビズム、抽象画）の絵画アートを高精度に生成するAIを作成した。次に、StyleGANによって生成された各ジャンルの画像について被験者109名に魅力度評定課題を行った。生成画像はStyleGAN内部で256次元の潜在特徴ベクトルにおいて特徴づけられており、特徴ベクトルと魅力度スコアを用いた逆相関法により、個人毎の絵画アート魅力判断のベースとなる理想的な絵画アートイメージ（心的テンプレート）を算出した。心的テンプレートの特徴ベクトルの画像全体の平均特徴ベクトルの偏差から、各個人の美的経験に寄与する画像特徴量を事後的に求めることが可能であることが明らかとなった。
被験者の芸術専門性、年齢、性別を独立変数とした実験の結果から、絵画アートに対する美的経験において、色統計量の性差が存在することが明らかとなった。女性は任意絵画アートをStyleGANを用いて色相を赤方向にシフトすることで、美的評価が高くなり、一方男性では色相を青方向にシフトすることで美的評価が高くなることが示された。
|
