視覚認識

視覚は、環境内の物体から反射される可視スペクトルの光を使用して、明所視（昼間の視力）、色覚、暗所視（夜間の視力）、薄明視（薄暮の視力）を通じて周囲の環境を解釈する能力です。これは、人がどれだけ鮮明に見えるか（たとえば「20/20 の視力」）を指す視力とは異なります。たとえ視力が 20/20 であっても、視覚知覚処理に問題を抱える場合があります。

結果として得られる知覚は、視覚、視力、または視力（それぞれ、視覚、光学、眼球という形容詞）としても知られています。視覚に関係するさまざまな生理学的要素は、総称して視覚系と呼ばれ、言語学、心理学、認知科学、神経科学、分子生物学（総称して視覚科学）における多くの研究の焦点となっています。

人間や他の多くの哺乳類では、光は角膜を通って目に入り、水晶体によって網膜（目の奥にある光に敏感な膜）に焦点を合わせます。網膜は、光を神経信号に変換する変換器として機能します。この変換は、光子を検出し、神経インパルスを生成することで応答する、桿体と錐体としても知られる網膜の特殊な光受容細胞によって行われます。これらの信号は、網膜から上流の視神経によって脳の中心神経節に伝達されます。外側膝状体核は、情報を視覚皮質に伝達します。網膜からの信号は、網膜から上丘に直接伝わることもあります。^[1]

外側膝状体核は、一次視覚野（線条体とも呼ばれる）に信号を送ります。線条体外皮質（視覚連合皮質とも呼ばれる）は、線条体皮質および互いから情報を受け取る皮質構造の集合です。^{[2]視覚連合皮質の最近の説明では、}腹側経路と背側経路の2つの機能経路に分かれていると説明されています。この推測は、2つの流れの仮説として知られています。

人間の視覚系は、一般的に電磁スペクトルの370～730ナノメートルの波長範囲の可視光に敏感であると考えられています。^[3]しかし、一部の研究では、人間は340ナノメートル（UV-A）までの波長の光を知覚できることが示唆されており、特に若者にその傾向が見られます。^{[4]最適な条件下では、人間の知覚限界は310 nm（} UV）から1100 nm（NIR ）まで広がります。^{[5] [6]}

視覚認識における大きな問題は、人が見るものは網膜刺激（つまり網膜上の画像）の単なる翻訳ではなく、脳が取り込んだ基本情報を変化させるという点です。そのため、知覚に関心を持つ人々は長い間、視覚処理が実際に見えるものを作り出すために何をするのかを説明するのに苦労してきました。

視覚がどのように機能するかについて原始的な説明を提供した、 古代ギリシャの主要な学派が 2 つありました。

最初の理論は視覚の「放射理論」で、視覚は目から発せられた光線が視覚対象物に遮られることで生じると主張した。対象物が直接見られるのは、目から発せられた「光線」が再び対象物に当たることによってである。しかし、屈折した像も「光線」によって見られ、それは目から発せられ、空気中を横断し、屈折した後、目から発せられた光線の動きの結果として目に見える対象物に当たる。この理論は、 ユークリッドの光学とプトレマイオスの光学の信奉者であった学者によって支持された。

2 番目の学派は、視覚は対象を表す何かが目に入ることから生じるとみなす、いわゆる「イントロミッション」アプローチを提唱しました。その主な提唱者であるアリストテレス( De Sensu ) ^[7]とその追随者^[7]によって、この理論は視覚が実際に何であるかに関する現代の理論といくらかの接点があるように思われますが、実験的根拠を欠いた推測にとどまりました。 (18 世紀のイギリスでは、アイザック ニュートン、ジョン ロックなどが視覚のイントロミッション理論を推し進め、視覚には、実際の物質からなる光線が見られる対象から発せられ、目の開口部を通って見る人の心/感覚器官に入るというプロセスが含まれると主張しました。) ^[8]

どちらの学派も「似たものは似たものにしか知られない」という原理に依拠しており、したがって、目は「外なる火」である可視光線と相互作用して視覚を可能にする「内なる火」で構成されているという概念に依拠していた。プラトンは対話篇『ティマイオス』（45b および 46b）でこの主張をしており、エンペドクレスも同様の主張をしている（アリストテレスが『感覚について』 （DK断片 B17）で報告している）。 ^[7]

アルハゼン（965年 - 1040年頃）は、視覚に関する多くの調査と実験を行い、プトレマイオスの両眼視に関する研究を拡張し、ガレノスの解剖学の研究についてコメントしました。^{[9] [10]}彼は、光が物体に反射して目に向けられるときに視覚が発生することを説明した最初の人物でした。^[11]

レオナルド・ダ・ヴィンチ（1452-1519）は、目の特殊な光学的性質を最初に認識した人物であると考えられている。彼は「人間の目の機能は、多くの著者によって特定の方法で説明されてきた。しかし、私はそれが完全に異なることを発見した」と記している。彼の主な実験的発見は、視線、つまり中心窩で終わる光学的な線にのみ、明瞭で鮮明な視界があるということだった。彼はこれらの言葉を文字通りに使用したわけではないが、実際には中心窩と周辺視野の現代的な区別の父である。^[12]

アイザック・ニュートン（1642年 - 1726年/27年）は、プリズムを通過する光のスペクトルの個々の色を分離する実験を通じて、物体の視覚的に知覚される色は物体が反射する光の特性によって現れ、これらの分割された色は他の色に変換することはできないことを初めて発見した。これは当時の科学的予想に反していた。^[3]

ヘルマン・フォン・ヘルムホルツは、視覚に関する最初の近代的研究を行った人物としてよく知られています。ヘルムホルツは人間の目を調べ、人間の目は高品質の画像を生成することができないと結論付けました。情報が不十分だと視覚が不可能になるようです。そのため、彼は視覚は何らかの形の「無意識の推論」の結果にしかならないと結論付け、1867年にその言葉を作り出しました。彼は、脳が過去の経験に基づいて不完全なデータから推測や結論を出していると提唱しました。^[13]

推論には世界についての事前の経験が必要です。

視覚的な経験に基づくよく知られた仮定の例は次のとおりです。

• 光は上から来ます。
• 通常、物体は下からは見られません。
• 顔は直立した状態で見られる（そして認識される）^[14]
• 近くの物体が遠くの物体の視界を遮ることはあるが、その逆はあり得ない。
• 図形（つまり、前景のオブジェクト）は、凸状の境界を持つ傾向があります。

視覚的錯覚（推論プロセスが誤った場合） の研究により、視覚システムがどのような仮定を行うかについて多くの洞察が得られました。

もう一つのタイプの無意識推論仮説（確率に基づく）は、最近、いわゆるベイズ視覚研究で復活しました。^[15]このアプローチの支持者は、視覚システムが感覚データから知覚を導き出すために何らかの形のベイズ推論を実行すると考えています。しかし、この見解の支持者が、ベイズ方程式に必要な関連する確率を原理的にどのように導き出すかは明らかではありません。この考えに基づくモデルは、動きの知覚、奥行きの知覚、図地知覚など、さまざまな視覚知覚機能を説明するために使用されてきました。^{[16] [17]}「完全に経験的な知覚理論」は、ベイズ形式主義を明示的に呼び出すことなく視覚知覚を合理化する、関連する新しいアプローチです。^[要出典]

1930年代から1940年代にかけて主に活動していたゲシュタルト心理学者は、今日の視覚科学者が研究している多くの研究課題を提起しました。^[18]

ゲシュタルト法則は、視覚的要素をさまざまな部分ではなく、組織化されたパターンまたは全体として認識する方法の研究を導きました。「ゲシュタルト」はドイツ語で、部分的には「構成またはパターン」および「全体または出現構造」と翻訳されます。この理論によると、視覚システムが要素を自動的にパターンにグループ化する方法を決定する主な要因は 8 つあります。近接性、類似性、閉鎖性、対称性、共通の運命 (つまり共通の動き)、継続性、および良いゲシュタルト (規則的で単純で秩序のあるパターン) と過去の経験です。^{[引用が必要]}

1960年代には技術の発達により、読書中^[19]、絵画鑑賞中^[20] 、さらに後には視覚的な問題解決中^{[21] 、ヘッドセットカメラが利用可能になると運転中[22]}でも眼球運動を連続的に記録することが可能になった。

右の図は、視覚検査の最初の 2 秒間に何が起こるかを示しています。背景は焦点が合っておらず、周辺視野を表していますが、最初の目の動きは男性のブーツに向けられます (ブーツは最初の固定点に非常に近く、適度なコントラストがあるため)。目の動きは注意選択の機能、つまり、脳によるより深い処理のためにすべての視覚入力の一部を選択する機能を果たします。^{[引用が必要]}

次の固定点は顔から顔へと飛び移ります。顔同士の比較も可能になるかもしれません。^[要出典]

アイコンの顔は、周辺視野内で非常に魅力的な検索アイコンであると結論付けられます。中心視は、周辺視野の第一印象に詳細な情報を追加します。

また、眼球運動には、固定眼球運動（マイクロサッカード、眼球ドリフト、振戦）、輻輳運動、衝動運動、追跡運動など、さまざまな種類があることも指摘できます。固定は、眼球が静止している比較的静的な点です。しかし、眼球が完全に静止することはなく、視線の位置はドリフトします。これらのドリフトは、マイクロサッカードと呼ばれる非常に小さな固定眼球運動によって修正されます。輻輳運動では、両眼が協力して、両方の網膜の同じ領域に画像が落ちます。これにより、単一の焦点の合った画像が得られます。衝動運動は、ある位置から別の位置へジャンプするタイプの眼球運動で、特定のシーン/画像をすばやくスキャンするために使用されます。最後に、追跡運動は滑らかな眼球運動で、動いている物体を追うために使用されます。^[23]

顔認識と物体認識は、異なるシステムによって達成されているという証拠は数多くある。例えば、相貌失認患者は顔認識に欠陥があるが物体認識には欠陥がないのに対し、物体認識不可知患者（最も顕著なのはCK患者）は物体認識に欠陥があるが顔認識は問題がない。^[24]行動学的には、物体ではなく顔が反転効果の影響を受けることが示されており、顔は「特別」であるという主張につながっている。^{[24] [25]}さらに、顔認識と物体認識は異なる神経系を必要とする。^[26]注目すべきことに、人間の脳が顔認識に特化しているように見えるのは、真の領域特異性を反映しているのではなく、特定の刺激クラス内での専門家レベルの識別というより一般的なプロセスを反映していると主張する者もいるが^{[27]、この後者の主張は}大きな議論の対象となっている。Doris Tsaoらは、fMRIと電気生理学を用いて、マカクザルの顔認識の脳領域とメカニズムを説明した。 ^[28]

下側頭葉皮質は、さまざまな物体の認識と区別という重要な役割を担っています。MIT の研究では、IT 皮質のサブセット領域がさまざまな物体を担当していることが示されています。^[29]皮質の多くの小さな領域の神経活動を選択的に遮断することで、動物は特定の物体のペアを区別できなくなります。これは、IT 皮質がさまざまな特定の視覚的特徴に反応する領域に分割されていることを示しています。同様に、皮質の特定のパッチと領域は、他の物体の認識よりも顔の認識に深く関与しています。

いくつかの研究では、脳が画像内の物体を認識する必要があるとき、均一な全体画像ではなく、物体の特定の特徴や関心領域が重要な要素となる傾向があることが示されています。^{[30] [31]}このように、人間の視覚は、物体のエッジの乱れ、テクスチャの変更、画像の重要な領域の小さな変化など、画像に対する小さな特定の変化に対して脆弱です。^[32]

長い失明の後に視力が回復した人々の研究では、彼らは必ずしも物体や顔を認識できないことが明らかになっています（色、動き、単純な幾何学的形状とは対照的に）。幼少期に失明したために、これらの高レベルのタスクに必要な視覚システムの一部が適切に発達できないという仮説もあります。^[33]臨界期は5歳か6歳まで続くという一般的な考えは、2007年の研究では、年長の患者は何年もの露出でこれらの能力を改善できる可能性があることがわかり、疑問視されました。^[34]

1970年代に、デイヴィッド・マーは視覚のプロセスを異なる抽象レベルで分析する多段階の視覚理論を開発した。視覚の特定の問題を理解することに焦点を当てるために、彼は計算レベル、アルゴリズムレベル、実装レベルの3つの分析レベルを特定した。トマソ・ポッジョを含む多くの視覚科学者はこれらの分析レベルを採用し、計算の観点から視覚をさらに特徴づけるためにそれらを採用した。^[35]

計算レベルでは、視覚システムが克服しなければならない問題を、高い抽象レベルで扱います。アルゴリズム レベルでは、これらの問題を解決するために使用できる戦略を特定しようとします。最後に、実装レベルでは、これらの問題に対する解決策が神経回路でどのように実現されるかを説明しようとします。

マールは、これらのどのレベルでも視覚を独立して調査できると示唆しました。マールは、視覚を2 次元の視覚配列 (網膜上)から出力としての世界の 3 次元の記述へと進むものとして説明しました。彼の視覚の段階は次のとおりです。

• エッジ、領域など、シーンの基本的なコンポーネントの特徴抽出に基づいた、シーンの2Dまたは基本スケッチ。アーティストが印象として素早く描いた鉛筆スケッチと概念が似ていることに注意してください。
• テクスチャなどが認識されているシーンの2 1 ⁄ 2 D スケッチ。アーティストがシーンの領域を強調表示または陰影を付けて深みを与える描画の段階と概念が似ていることに注意してください。
• 3Dモデルでは、シーンが連続した3次元マップで視覚化されます。^[36]

マールの 2 1/2 D スケッチでは、奥行きマップが構築され、このマップが3D 形状知覚の基礎であると想定されています。しかし、立体的知覚と絵画的知覚の両方、および単眼視は、3D 形状の知覚が点の奥行きの知覚に先行し、それに依存しないことを示しています。予備的な奥行きマップが原理的にどのように構築されるか、またそれが図地組織化またはグループ化の問題にどのように対処するかは明らかではありません。マールが見落としていた、両眼で見た 3D オブジェクトから 3D 形状知覚を生成する際の知覚組織化制約の役割は、3D ワイヤー オブジェクトのケースで経験的に実証されています (例: ^{[37] [38])}。より詳細な議論については、Pizlo (2008) を参照してください。^[39]

より最近の別の枠組みでは、視覚はエンコード、選択、デコードという3つの段階ではなく、3つの段階から構成されると提案されている。^[40]エンコードとは、視覚入力をサンプリングして表現すること（例えば、視覚入力を網膜の神経活動として表現すること）。選択、あるいは注意選択とは、入力情報のごく一部を選択してさらに処理すること（例えば、ある物体や視覚位置に視線を移して、その位置の視覚信号をより適切に処理すること）である。デコードは、選択された入力信号を推測または認識すること（例えば、視線の中心にある物体を誰かの顔として認識すること）である。この枠組みでは、^[41]注意選択は視覚経路に沿った一次視覚野から始まり、注意の制約によって視覚認識またはデコードの中心視野と周辺視野 の間に二分法が課せられる。

変換は、環境刺激からのエネルギーが神経活動に変換されるプロセスです。網膜には、光受容体層、双極細胞層、神経節細胞層の3つの異なる細胞層があります。変換が発生する光受容体層は、水晶体から最も遠いです。この層には、桿体と錐体と呼ばれる異なる感度を持つ光受容体があります。錐体は色覚を担い、赤、緑、青の3つの異なるタイプがあります。桿体は、暗い場所での物体の知覚を担っています。^[42]光受容体には、光色素と呼ばれる特殊な化学物質が含まれており、ラメラの膜に埋め込まれています。人間の桿体1つには、約1,000万個の光色素が含まれています。光色素分子は、オプシン（タンパク質）とレチナール（脂質）の2つの部分で構成されています。^[43]可視光のスペクトル全体に反応する3つの特定の光色素（それぞれに独自の波長感度があります）があります。適切な波長（特定の光色素が敏感な波長）が光受容体に当たると、光色素は2つに分裂し、双極細胞層に信号を送り、次に神経節細胞に信号を送り、神経節細胞の軸索が視神経を形成し、情報を脳に伝達します。遺伝的異常により特定の錐体型が欠損または異常な場合、色覚異常（色盲と呼ばれることもあります）が発生します。^[44]

変換には、光受容体から双極細胞、神経節細胞に送られる化学メッセージが関与します。複数の光受容体が、1 つの神経節細胞に情報を送ることがあります。神経節細胞には、赤/緑と黄/青の 2 種類があります。これらのニューロンは、刺激されていないときでも絶えず発火します。これらのニューロンの発火率が変化すると、脳はさまざまな色 (および大量の情報とともに画像) を解釈します。赤色光は赤色錐体を刺激し、赤色錐体は赤色/緑色神経節細胞を刺激します。同様に、緑色光は緑色錐体を刺激し、緑色錐体は緑色/赤色神経節細胞を刺激し、青色光は青色錐体を刺激し、青色錐体は青色/黄色神経節細胞を刺激します。神経節細胞の発火率は、1 つの錐体から信号が送られると増加し、もう 1 つの錐体から信号が送られると減少 (抑制) します。神経節細胞の名前の最初の色は、神経節細胞を刺激する色で、2 番目は神経節細胞を抑制する色です。つまり、赤色錐体は赤色/緑色神経節細胞を興奮させ、緑色錐体は赤色/緑色神経節細胞を抑制する。これは拮抗作用である。赤色/緑色神経節細胞の発火率が上昇すると、脳は光が赤色であると認識し、発火率が減少すると、脳は光の色が緑色であると認識する。^[44]

視覚認識の理論と観察は、コンピューター ビジョン(マシン ビジョン、または計算ビジョンとも呼ばれる)の主なインスピレーションの源となっています。特殊なハードウェア構造とソフトウェア アルゴリズムにより、カメラやセンサーから送られてくる画像を解釈する機能が機械に提供されます。

例えば、2022年型トヨタ86は運転支援技術としてスバルのアイサイトシステム を採用している。^[45]

• フォン・ヘルムホルツ、ヘルマン(1867)。生理学的オプティクのハンドバッグ。 Vol. 3. ライプツィヒ：ヴォス。引用は、アメリカ光学会（1924～25年）が作成した英訳「生理光学に関する論文」（Wayback Machineで2018年9月27日にアーカイブ）からのものです。

ウィキメディア・コモンズには、視覚に関連するメディアがあります。

Wikiquoteにビジョンに関する引用があります。

無料辞書『ウィクショナリー』でビジョンを調べてください。

• 網膜と視覚系の構成
• 視覚知覚に対する詳細の影響、Jon McLoone、Wolfram Demonstrations Project
• 視覚知覚の喜び、目の知覚能力に関するリソース。
• VisionScience。人間と動物の視覚に関する研究リソース。視覚科学と知覚に関するリソースのコレクション
• 視覚と心理物理学
• ビジョン、Scholarpediaビジョンに関する専門家の記事
• 人間の視覚の限界は何でしょうか?