权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Developing models to simulate information processing and internal representations of human visual motion perception

开发模型来模拟信息处理和人类视觉运动感知的内部表示

基本信息

批准号：
20H00603
负责人：
西田眞也
金额：
$ 29.04万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は、おもにモデルの構築とモデルの評価を並行して進めている。【モデル構築】これまで運動視に関するモデル構築は、おもに分析・構成型のアプローチで進んできた。一方、最近はデータ駆動型のアプローチを用いて、動画から運動フローを推定する人工神経回路を一気通貫(End-to-End)で学習した研究も報告されている。本計画では、これらの先行研究を参考に、分析・統合型とデータ駆動型のアプローチを融合して、運動視処理全体のモデル構築を行う。令和４年度は、CNNの基づくコンピュータビジョンの運動フロー検出モデルが人間の視覚と異なる特性を示すとともに、運動エネルギー検出と自己アテンションメカニズムの二段階からなる運動フロー検出モデルを開発し、生理学的及び心理物理学的特性において、人間の運動視の良いモデルになっていることを示した。また、ロバストな物体認識に対してボケ画像の学習が与える影響を検討した論文を発表した。【モデル評価のための心理物理実験】任意の動画のある位置あるタイミングの運動ベクトルの知覚を推定する心理物理学的方法を、自然映像に近い複雑性を持ち、かつ物理的なオプティカルフローの正解値が分かっているコンピュータグラフィックスアニメーション(MPI Sintel Optical Flow Dataset)に対して適用し、人間が知覚するオプティカルフローを推定したデータを測定した、運動エネルギーモデルなどの視覚科学で提案されてきた運動検出モデルや、FlownetやRAFTなどの機械学習を用いた最新のコンピュータビジョンのオプティカルフロー推定アルゴリズムの出力と比較した結果、人間の運動視の特性を部分的にしか説明しないこと、運動情報の統合・分節化や、座標変換のプロセスをモデルに導入する必要があることが明らかとなった。

This study is aimed at improving the quality of the products. [Construction] This is the movement of the relevant construction, analysis, composition and development. A party, the most recent motion type of artificial neural loop, the use of animation, motion estimation, End-to-End learning and research report. This project aims to provide reference, analysis, integration, and integration for motion processing. In the fourth year of this year, CNN's basic information technology, sports, sports. The paper discusses the influence of object recognition on image learning. The psychophysical method of estimating the position of any animation, the natural image, the near-complex property, and the positive solution value of any physical animation.(MPI Sintel Optical Flow Dataset) For application, human knowledge, estimation, measurement, motion, motion, visual science, proposal, motion, motion Flownet RAFT machine learning applications, the latest information on the motion of the object, the comparison results, the description of part of the motion of the object, the integration of motion information, the transformation of coordinates, the introduction of the object, etc.