Core Concepts
自己教師学習の時間的一貫性学習目的によって、色恒常性を表す表現が獲得できる。
Abstract
本研究では、色恒常性(CC)の獲得メカニズムを探るため、自己教師学習の時間的一貫性学習目的を用いた。
50種類の異なる色の立方体オブジェクトを、時間とともに変化する照明条件の下で提示する新しいデータセット(C3R)を作成した。
時間的に隣接する画像の表現を近づけるよう学習を行うことで、照明変化に対して不変な表現が獲得できることを示した。
獲得された表現を分析したところ、オブジェクトの色情報を保持しつつ、照明条件に関する情報も一部保持していることがわかった。
これは、オブジェクトの真の色を推定するためには照明条件の情報が必要であることを示唆している。
一方で、単純な色変換データ増強では色恒常性を学習できないことも明らかになった。
今後は、より現実的な照明変化を含むデータセットを用いて、人間の色恒常性獲得過程をより詳細にモデル化することが課題として挙げられる。
Stats
オブジェクトの色を正確に分類するためには、オブジェクトと地面の境界部分の色対比情報が重要である。
Quotes
"自己教師学習の時間的一貫性学習目的によって、色恒常性を表す表現が獲得できる。"
"オブジェクトの真の色を推定するためには照明条件の情報が必要である。"