Core Concepts
視覚表現の因子化は、生物の視覚系と深層ニューラルネットワークの両方で重要な戦略である。
Abstract
本研究では、サルの視覚系と深層ニューラルネットワーク(DNN)モデルにおける視覚表現の因子化について調べた。
主な結果は以下の通り:
サルの腹側視覚野では、物体カテゴリ情報と非カテゴリ情報(物体位置、背景)の因子化が高次領域ほど増加し、物体カテゴリの識別性能を向上させていた。
様々なDNNモデルを分析したところ、物体位置、背景、照明条件、カメラ視点などの各種シーンパラメータの因子化が高いモデルほど、サルの神経活動や人間の行動データをよく予測できた。一方、これらのパラメータに対する不変性は必ずしも良い予測性と関連しなかった。
物体カテゴリ分類性能に加えて因子化を考慮することで、より生物らしいモデルを特定できることが示された。
つまり、視覚表現の因子化は、生物の視覚系と人工システムの両方で重要な特性であり、より生物らしいモデルを構築する上で考慮すべき重要な原理だと考えられる。
Stats
物体カテゴリ情報と非カテゴリ情報の因子化が高次視覚野ほど増加する
物体位置、背景、照明、カメラ視点の因子化が高いDNNモデルほど、サルの神経活動や人間の行動データをよく予測できる
物体カテゴリ分類性能に加えて因子化を考慮することで、より生物らしいモデルを特定できる
Quotes
"視覚表現の因子化は、生物の視覚系と人工システムの両方で重要な特性である"
"視覚表現の因子化は、より生物らしいモデルを構築する上で考慮すべき重要な原理だと考えられる"