Quantitative Psychological Modelling of Affective Evaluation of Paintings Generated by Artificial Intelligence

本研究は、Creative Adversarial Network (CAN)というAI技術[Elgammal ら, 2017]で生成された絵画に対する感性評価の心理構造（段階1）、及び画像特徴量が感性評価に与える影響（段階2）の解明を目的とする。2020年に研究の準備として、段階1での感性評価実験のプロトタイプを実施した。2022年の半ばまでの間、新型コロナの状況のため、大規模な実験の実施ができなかった。そのため、段階2にまず着手した。具体的には、文献調査により、感性評価に影響できる画像特徴量を収集した。そして、上記の実験で使われた200点のCAN絵画に対して次の3種類の大域特徴量を計算し、各特徴量と絵画に対する嗜好度との関係を分析した：1) 2Dフーリエ変換で得たK空間を元に、周波数上でパワーを平均化した1Dスペクトル、2) パワーの方位角間の等方性、3) Minkowski-Bouligand (MB)次元。分析の結果によると、CAN絵画の1Dスペクトルは、自然物の写真や人間が描いた絵画などに関する先行研究でよく報告された1/fゆらぎと比較すれば、上向きに曲がっていることが見られる。また、嗜好度で高く評価された絵画が、低く評価された絵画に比べて、全周波数にわたってより大きいパワーをもっている。一つの周波数のパワーは、その周波数をもつパターンの認知的サリエンシーを表すため、認知的サリエンシーが嗜好度に正の影響を与える可能性が示される。一方、パワーの方位角間の等方性は、嗜好度との間に関係が見られない。なお、媒介分析により、MB次元が、新奇性の評価に負の影響を与えることで、嗜好度に正の影響を与えるという効果が少し見られる。その後、段階1における各実験のプログラムと募集要項を、Qualtricsとクラウドワークスを用いて作成し、兵庫教育大学の倫理審査委員会からの承認を得た。

本研究は、Creative Adversarial Network (CAN)というAI技術[Elgammal ら, 2017]で生成された絵画に対する感性評価の心理構造（段階1）、及び画像特徴量が感性評価に与える影響（段階2）の解明を目的とする。2020年に研究の準備として、段階1での感性評価実験のプロトタイプを実施した。2022年の半ばまでの間、新型コロナの状況のため、大規模な実験の実施ができなかった。そのため、段階2にまず着手した。具体的には、文献調査により、感性評価に影響できる画像特徴量を収集した。そして、上記の実験で使われた200点のCAN絵画に対して次の3種類の大域特徴量を計算し、各特徴量と絵画に対する嗜好度との関係を分析した：1) 2Dフーリエ変換で得たK空間を元に、周波数上でパワーを平均化した1Dスペクトル、2) パワーの方位角間の等方性、3) Minkowski-Bouligand (MB)次元。分析の結果によると、CAN絵画の1Dスペクトルは、自然物の写真や人間が描いた絵画などに関する先行研究でよく報告された1/fゆらぎと比較すれば、上向きに曲がっていることが見られる。また、嗜好度で高く評価された絵画が、低く評価された絵画に比べて、全周波数にわたってより大きいパワーをもっている。一つの周波数のパワーは、その周波数をもつパターンの認知的サリエンシーを表すため、認知的サリエンシーが嗜好度に正の影響を与える可能性が示される。一方、パワーの方位角間の等方性は、嗜好度との間に関係が見られない。なお、媒介分析により、MB次元が、新奇性の評価に負の影響を与えることで、嗜好度に正の影響を与えるという効果が少し見られる。その後、段階1における各実験のプログラムと募集要項を、Qualtricsとクラウドワークスを用いて作成し、兵庫教育大学の倫理審査委員会からの承認を得た。