質感 – セミナーゲート（化学）

セミナー概要 セミナーのテーマ 質感・感性の科学と制御技術 脳科学に基づく知覚の解明 視覚・聴覚の質感計測と分析 こんな方におすすめです 製品デザイン・開発に携わる方 感性評価・脳科学に興味のある方 画像・音声の質感制御技術を学びたい方 感性・印象・知覚の科学と質感および感性品質制御へ向けた計測・分析・実験法 人の心を動かす、像と音の "質感”とは何か複雑な画像や音声の質感を数値で表し制御・合成する技術とは 本セミナーでは、 脳科学 ── 人の主観的体験を支える認知機構の観点と 感性情報処理 ── 人の感じ方を数値として捉え解析する手法や、心理物理学実験の基礎知識この2つの軸を中心に、「視覚」「聴覚」の２つの感覚モダリティを例に挙げながら、最新の研究成果をもとに、デモや錯覚も交えながら分かりやすく解説します。たとえば、人に美醜や快不快をもたらす、明るさの分布やコントスト、テクスチャの特徴・粗さといった特徴を、どのように数値化・解析するのか。その具体的なアプローチについても詳しく解説します。 講師 東京大学 大学院総合文化研究科 生命環境科学系 認知行動科学講座 教授 文学博士 本吉 勇 氏【専門】認知神経科学・心理学【講師紹介】https://www.science-t.com/lecturer/23884.html セミナー趣旨、ポイント 工業製品から芸術作品まで,作られたモノの魅力は設計や加工の正確さや緻密さで決まるものではなく，その製品を見た消費者が何をどのように感じるかで決まるものです．感性に訴える製品の開発においては最終的なユーザである人間の主観的体験を支える認知機構の理解が必須です．製品開発の現場ではいまだに古い色彩・感性心理学の知識が用いられがちですが，基礎的な脳科学の領域では，映像や音のもつ多彩な質感やその美醜を知覚する脳の情報処理の理解が進展しています．現在では，複雑な画像や音声の質感を数値で表し制御・合成し，脳活動から質感画像を生成する技術までも生み出されています． 本セミナーでは，この最新の研究成果に基づいて，映像や音声からの質感・感性判断を支える脳情報処理，感性情報を取り出すための特徴の解析手法，人間の感性判断データの計測・分析方法，などを様々なデモや錯覚，研究事例を交えて解説します． こんな方におすすめ ・脳科学や認知科学に基づく製品デザインに関心のある方・感性評価に関心のある方・色・質感・肌理・リアリティ・美醜・音色，等に関心のある方・製品などの見た目や聞こえ方を制御・合成する技術に関心のある方・脳の視覚や聴覚の仕組みに関心のある方 得られる知識 ・質感などの感性情報を分析するための基本的な考え方と方法・画像から感性に関わる情報を取り出すための方法・感性的な評価データを安定して得るための実験の方法・質感や美醜を制御したり合成したりするための技術の基礎・感性工学・脳工学における最新の技術に関する基本情報 プログラム 1. 質感と感性の脳情報学 1.1 脳の視聴覚情報処理 a. 脳の視覚情報処理の概要 b. 画像と色の符号化 c. 受容野と画像フィルタ d. 画像特徴量に基づく認知と深層学習 e. 脳の聴覚情報処理:視覚との類似性 1.2 視覚と聴覚の質感 a. 質感とは何か b. 材質知覚の研究から: 光沢の知覚，透明感の知覚，照明の役割 c. 視覚と聴覚の質感のモデル : 統計的特徴量の決定的役割 d. 深層モデルにおける統計的特徴量 e. 感性のチューリングテスト 1.3 良い質感と悪い質感－映像と音の快不快をもたらす脳の仕組み a. 情動と感情の脳科学: 皮質下回路，扁桃体，前頭葉，ヘビ恐怖 b. 美醜への科学的アプローチ: 黄金率，色彩調和，構図 c. 映像と音の快不快を決める統計的特徴量: 心理実験，物体認知との関係，脳の反応 d. 自然界の規則性と美醜: 自然環境を分析する，単純接触効果 e. 計算論的神経美学: 脳情報処理モデルに基づく芸術論 2. 質感と感性の計測・分析方法 2.1 心理実験の基礎 a. 主観を客観的に測るには: 脳の反応だけを測ることの無意味さ b. 心理物理学の基本的な考え方: 刺激・システム・反応 c. 情報処理という枠組み: 独立変数，従属変数，課題，ブラックボックス d. 素人の陥る罠: 強い結果と弱い結果，再現性，代表性，個人差 2.2 見え・質感を計測するための実験作法 a. 実験の準備: 装置，輝度と色度，音信号 b. 評定・マグニチュード推定 c. 比較判断: 反応率，一対比較，適応的比較行列 d. 脳活動計測1 : 視覚・聴覚誘発電位を測る e. 脳活動計測2 : 脳波の解読，脳波からの知覚合成，心理データとの相関分析 2.3 特徴量の分析・制御による質感・美醜の合成 a. 研究の進め方 b. 画像・音声の収集と評価実験 c. 特徴量の分析: 画像統計量，音響特徴量，深層特徴 d. 心理データと特徴量の関係分析: 相関，回帰，正準相関，機械学習と深層学習 e. 質感と見えを操作する: 統計量の操作，テクスチャ合成，深層スタイル合成 f. 信頼してはいけない過去の論文について: 刺激の多様性と生態学的妥当性 □質疑応答□