構成要素による認識理論

構成要素認識理論（RBC理論）^[1]は、アーヴィング・ビーダーマンが1987年に提唱した物体認識を説明する理論です。RBC理論によれば、物体をジオーン（物体の主な構成要素）に分けることで物体を認識できるとされています。ビーダーマンはジオンは基本的な3次元形状（円柱、円錐など）に基づいており、これをさまざまな配置で組み合わせることで事実上無限の数の物体を形成できると提唱しました。^[2]

構成要素認識理論によれば、日常生活で目にする物体は、36 個未満のジェオンが組み合わさって作られていると考えられています。^[3]たとえば、マグカップを見るとき、私たちはそれを「円筒」と「取っ手」という 2 つの構成要素に分解します。これは、より複雑な物体にも当てはまり、より複雑な物体は、より多くのジェオンで構成されています。認識されたジェオンは、私たちが見ているものが何であるかを識別するために、私たちの記憶に保存されている物体と比較されます。この理論では、物体を見るとき、私たちは 2 つの重要な構成要素を探しているとされています。

• エッジ – これにより、表示方向に関係なく、オブジェクトの同じ認識を維持できます。
• 凹部 – 2 つのエッジが交わる部分。これにより、2 つ以上のジオンの分離を観察できます。

RBC の提案において、ビーダーマンは、彼の理論を裏付けるために、音声とオブジェクトの構成との類似点を挙げています。その考え方は、英語のすべての単語を構成するには約 44 個の個別の音素、つまり「音の単位」が必要であるのに対し、すべての言語のすべての単語を構成するには約 55 個しか必要ではないというものです。これらの音素間にはわずかな違いがあるかもしれませんが、それでもすべての言語を構成する個別の数は存在します。

同様のシステムを使用して、物体がどのように認識されるかを説明することができます。ビーダーマンは、音声が音素で構成されているのと同じように、物体はジェオンで構成されており、音素の多様性が大きいように、ジェオンの多様性も大きいと示唆しています。すべての言語と人間の音声の合計がわずか 55 個の音素で構成されているのに、36 個のジェオンですべての物体の合計を構成できるのは、より容易に理解できます。

成分認識理論の最も特徴的な要素の1つは、視野角に関係なく物体を認識できることです。これは視点不変性として知られています。この効果の理由は、ジオンの不変エッジ特性にあると提案されています。^[4]

不変エッジのプロパティは次のとおりです。

• 曲率（曲線のさまざまな点）
• 平行線（同じ方向を向く2つ以上の点）
• 同時終了（2 つの点が出会い、継続しなくなる点）
• 対称性と非対称性
• 共線性（共通の線から分岐する点）

これらの特性に関する知識は、物体やジェオンを見るときに、ほぼあらゆる角度からそれを認識できることを意味します。たとえば、レンガを見るとき、水平方向の平行線と垂直方向の平行線を見ることができます。また、これらの点が交わる場所 (共終端) を考慮すると、物体を認識できます。

ジオンは構造プリミティブとして使用することで、2 つの重要な利点が得られます。ジオンは視点間で安定している (「視点不変」) オブジェクト プロパティに基づいており、すべてのジオンは互いに区別できるため、単一のジオンの記述で、考えられるすべての視点からオブジェクトを記述できます。2 つ目の利点は、表現の大幅な効率化が実現されることです。比較的小さなジオンの集合が、複雑なオブジェクトを形成できる単純な「アルファベット」を形成します。たとえば、ジオンの数が 24 個しかない場合、3 つのジオンの可能な組み合わせは 3,060 億通りあり、考えられるすべてのオブジェクトを認識できます。

さらに、いくつかの研究では、ジェオンとジェオンの複合構造を認識する能力は生後4か月ほどで脳内で発達する可能性があり、乳児が世界を認識するために使用する基本的なスキルの1つになることが示唆されています。^[5]

• 参加者は、ジオンが見えていれば、視覚的なノイズにもかかわらず物体を認識する驚くべき能力を示します。
• 特徴関係情報（ジオンの相互関係）を削除すると、物体認識が損なわれます。
• 試験間で異なるジオンが使用される場合、視覚的なプライミングは行われない

RBC 理論は、それ自体では、実際の物体の写真から始めて、その物体のジオーンと関係の記述を生成することはできません。この理論は、実際のシーンの複雑さを単純なジオーン形状に縮小するメカニズムを提供しようとはしません。RBC 理論は、ジオーンとそれらの関係では多くの実際の物体を区別できないという点でも不完全です。たとえば、ナシとリンゴは人間には簡単に区別できますが、RBC 理論がそれらの違いを認識するために必要な角と端がありません。しかし、アーヴィング ビーダーマンは、RBC 理論は人間の物体認識の「好ましい」モードであり、ジオーンで区別できない物体は二次的なプロセスで処理すると主張しました。彼はさらに、この区別は、視点が変わると物体が同じように認識される場合とされない場合があることを示唆する研究を説明すると述べています。