AI も錯視を起こす

色の恒常性を学習したニューラルネットワークで「ドレスの色の錯視」を再現。

錯視とは視覚に関する錯覚のことで、大きさ、形、色など様々な種類、確認されています。また、脳の仕組みをモデル化したニューラルネットワークを用いて錯視を再現する研究が行われています。錯視を再現することで、学習に使用したモデルの構造や学習方法などから脳のどのような補正や予測が錯視の要因となるかといったヒントを知ることができます。

本研究では、色の恒常性と呼ばれる人間の脳の性質に着目しました。色の恒常性とは、人間は光の影響を補正して物体の色を知覚しているという性質のことです。次に、色の恒常性が原因として考えられている図1に示す「ドレスの色の錯視」と呼ばれる錯視を紹介します。

図1 : 「ドレスの色の錯視」を起こす画像

「ドレスの色の錯視」とは、人によって「青と黒のドレス」、「白と金のドレス」の主に2つの見え方があると言われている錯視のことです。「ドレスの色の錯視」の画像を見たときに人によって色の恒常性による補正方法が異なるために、2つの見え方が存在していると考えることができます。

本研究では、「ドレスの色の錯視」と呼ばれる錯視の再現を行うことで、2つの見え方がどのような補正方法で見えるかを明らかにすることを目的としています。輝度と色味の補正がそれぞれの見え方につながるという考えの下で、輝度や色味を変換した画像の補正を、ニューラルネットワークを用いたモデルに学習させるという実験を行いました。

実験の概要を図2に示します。

図2 : 実験概要

再現がうまくいっているかどうかを調べるために、学習を終えたモデルに対して「ドレスの色の錯視」の画像を入力した結果と、人間のドレスの見え方を調べた先行研究との比較を行いました。

青と白に見える領域(領域A)と黒と金に見える領域(領域B)におけるLab色空間での比較結果が図3、図4になります。

図3 : 輝度変換した画像を補正する学習での比較結果(O : オリジナル画像、BB : 「青色と黒色の見え方」、WG : 「白色と金色」、M : モデルの出力)

図4 : 色味変換した画像を補正する学習での比較結果(O : オリジナル画像、BB : 「青色と黒色の見え方」、WG : 「白色と金色」、M : モデルの出力)

輝度を変換した画像の補正を学習させた場合は、「青と黒のドレス」に見える人の見え方に近づき、色味を変換した画像の補正を学習させた場合は、「白と金のドレス」に見える人の見え方に近づくことを示しました。

他の研究テーマ

実試合から得点を予測する›
世界選手権などの実際の試合の盤面から、そのエンドが何点で終わるかの確率分布を、1投目から16投目まで予測する AI モデルを構築し、その振る舞いを詳しく分析。
AI に特定のデータだけを忘れさせる›
学習済みの AI から、指定されたデータの影響だけを取り除く Machine Unlearning。元の訓練データが残っていなくても、少数のデータを短時間で忘れさせる手法を研究。
カーリングの「勝負どころ」を数値で表す›
その一投が試合の勝敗をどれだけ左右するのか。野球の指標 Leverage Index をカーリングに導入し、ショットの前後での勝率の変化から一投ごとの重要度を定量化する。
試合記録からストーンの位置を読み取る›
世界大会の公式記録に載っている配置図から、AI がストーンの位置を自動で読み取る。20万局面を超えるカーリングの試合データベースを構築。
プロの内野守備はどこが違うのか›
プロとアマチュアの内野守備の映像を AI に見分けさせ、その判断の根拠から、熟練度の差が現れる局面と動作を探る。
ゾウの眠りを AI が見守る›
動物園の夜間カメラ映像からアジアゾウの睡眠を自動で検出し、どのゾウの睡眠かを確認する飼育員の作業を大きく減らす。
少ないデータで AI の歌声を自然にする›
軽量な歌声合成モデルの出力を、本物の歌声に近づく方向へ少しずつ補正。少ない歌唱データと限られた計算資源でも、より自然な歌声を目指す。
ポーカーで駆け引きを学ぶ AI›
相手の手札が見えないポーカーで、ブラフを仕掛けてくる相手の出方を読み、受けるか降りるかを判断する AI。理論上の最適戦略とどこまで近づけるかを厳密に検証。
AI が作った肺音で AI を鍛える›
集めにくい異常な肺音を生成 AI で 10 万枚作り出し、小さくても雑音に強い肺音 AI を学習。大規模モデルの約 0.5% の大きさで同等の精度を達成。
AI がカーリングの戦術を考える›
世界大会の試合データ分析による戦術支援と、デジタルカーリングで戦うAI「じりつくん」の開発。
ボルダリングを AI が評価する›
半教師あり学習とホールド情報を活用し、オクルージョンに強いクライマーの姿勢推定を実現。
AIに悩ませる異常検知›
正常な肺音だけを学習したAIで異常音を検出。ノイズと区別する独自アルゴリズムも開発。
AIで動物の健康管理をする›
円山動物園のアジア象の映像から、位置追跡と行動分類を自動で行い日々の活動を記録。
絶滅危惧種の発情期を捉えろ›
九十九島動植物園のツシマヤマネコを対象に、発情期特有の行動をAIで自動判別。
普段と異なる異常の兆候を知る›
普段の行動データから学習したモデルで、いつもと異なる異常の兆候をいち早く検知する。

研究テーマ一覧へ ›

共同研究・研究室見学のご相談はこちら

問い合わせ ›