Discovery Sagaサイレントキーワード俯瞰

自己組織化 / 学習アルゴリズム / 特徴マップ / モーフィング / 外部知性 / 仮想現実 / 多重降下競合学習

この研究で扱う自己組織化とは、状態を有する多数個の素子が連携して一つの総合状態を創出していくことを意味している。個々の素子には入力を変換して出力を与える単純な情報処理機能が与えられており、系全体としては複雑な情報処理が可能となっている。このようなシステムは学習に基づく高度な情報処理を可能にするものとして期待されており、本研究では主として画像のモーフィングを用いて仮想現実を実現することを目指した。開発した手法と結果は以下の通りである。
(1) 学習的情報処理に利用できる自己組織化アルゴリズムとしては、従来、特徴マップとよばれるものが主流となっていたが、これは元のデータの情報を著しく失う形になっている。そこで、研究代表者は二重レベルの自己組織化特徴マップを生成できる学習アルゴリズムの開発を行った(多重降下競合学習)。
(2) 静止画像を情報源として多重降下競合学習アルゴリズム適用することにより、領域の特徴マップと標準カラーパターンの両者を得ることを可能にした。これは、画像情報の圧縮を行ったことになっているが、同時に変形を可能にするメッシュパターンが自己組織化により生成されたことを意味している。
(3) 上の結果得られた圧縮画像を、外部知性(システムの利用者)の指定に基づいて変形(モーフィング)することを試みた。これは、仮想現実としての動画像を生成する手法を与えたことになっている。
(4) さらに、奥行きを与えることを行い、3次元化を図った。
以上のようにして得られた手法は、今後、コンピュータにおけるヒューマンインターフェースの向上に寄与する可能性が高いと認識され、この研究を終了した。

自己組織化 / 特徴マップ / 多重降下競合学習 / モ-フィング / ディジタル動画像 / ニューロコンピューティング / 教師なし学習 / 情報圧縮

本研究は、「自己組織化+外部からの強制情報」という結合系により、知的情報処理を可能にすることを目的としている。対象としてはディジタル画像を選んでいる。このとき、自己組織化による画像処理は、サブシンボリックな処理であり、強制情報の注入はシンボリックな操作に関連するとみなすことができる。従って、本研究の意図は、シンボルとサブシンボルの結合処理を目指したものである。具体的には、一枚の静止画像を強制情報により変形した別画像を生成し(知的外挿)、さらにはモ-フィングを行って動画像を生成することを行う。また、より一般的な「自己組織化+教師あり学習」のアルゴリズムの開発も目的としている。
上のような目的に従って得られた成果は次の通りである。
1.多重降下競合学習により最適化特徴マップおよび色彩標本を得た。この色彩標本は、特定の画像に依存するものではなく、広いクラスの画像に対して汎用の能力を有するものとなっている。これは、情報圧縮を行ったことにもなっている。
2.最適化特徴マップの頂点を外部知性が与える指定に基づいて移動し、そこに色彩標本を埋め込んで別の静止画像を得ることができた。
3.情報圧縮済みの二つの静止画像を用いて時間的に線形補間を行い、中間のフレームを得て動画像を生成した。これは、ニューロコンピューティングが、仮想現実およびマルチメディアに手法を提供した初めての例となっている。
4.2次元の静止画像にz軸を与えて、3次元の動画像を生成するアルゴリズムを得た。これは、当初は計画していなかった成果である。