高次画像統計量を用いた脳内質感認知モデリング

点击翻译按钮获取中文摘要

質感を持つ物体の運動情報の観察から，鏡材質では回転方向に沿って画素が動くのに対し，ガラス材質には回転方向に沿った運動に加えて，それとは逆方向の動きが存在することを発見した．これをもとに，鏡・ガラス材質識別の動的手がかりとして，「全体の動きの中でどれだけ逆方向の動きが存在するかという比率」を提案した．これを用いて，物理的指標である屈折率の違いとヒトの鏡面反射・透過知覚の評定を，高い相関で推定するモデルを構築した（Scientific Reports誌）．三角柱型の回転するガラス材質物体が，特定の角度で鏡材質のように間違えて知覚され，同時のその物体が逆に回転しているように知覚する，という新たな錯視現象を発見した．我々は，これを「The rotating glass illusion」と命名し，その特性を実験的に明らかにした（i-Perception誌）．鏡・ガラス材質識別の手がかりとなりうる，より一般的な要因の解明を，機械学習を用いたデータ駆動型のアプローチにより進めた．ヒトの応答と画像の真のラベルを切り離した画像セット(diagnostic images)を大規模な心理物理実験により取得し，これらをもとにヒトと高い相関を持つ理想的なCNN(OptCNN)の探索を体系的に行った．その結果，OptCNNは正答率と相関の両面でヒトと似た振る舞いを示すようになった．加えて，ネットワークの内部表現においても，OptCNNはヒトと似た表象を獲得した．さらに，このモデルは従来モデルに比べてノイズ付加画像への頑健性がより高かった．提案手法によりヒトの正解・不正解の両方を学習可能になったことで，ヒト視覚系の材質識別への深い洞察が与えられた．今後，ヒト－モデル間にある乖離を埋めることにより，ヒト視覚系の質感認知処理のさらなる理解につながると示唆される（arXivに投稿済）．