化学品の市場調査、研究開発の支援、マーケット情報の出版

多彩な質感・テクスチャやその美醜を脳はどのように理解しているか?研究事例を交えて解説!
 
※ 本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。

R&D支援センターウェビナー

       開催日時:2023年1月17日(火)10:30~16:30
       開催場所:【WEB限定セミナー】※ 会社やご自宅でご受講ください。
       参 加 費:55,000円(税込)

定 員

 30名

備 考

資料付き【PDF配布】

【Zoomを使ったWEB配信セミナー受講の手順】
1)Zoomを使用されたことがない方は、 こちら からミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2)セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたについては こちら をご覧ください。
3)開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。
 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

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

【略歴】
1999年東北大学大学院文学研究科博士後期課程修了。日本学術振興会特別研究員、McGill大学医学部眼科学科客員研究員、NTTコミュニケーション科学基礎研究所研究員、 東京工業大学大学院総合理工学研究科連携准教授(兼任)などを経て、2013年秋より東京大学大学院総合文化研究科准教授、2020年より同教授

受講対象・レベル

・製品開発やデザインに携わる方
・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
・感性評価や感性評価を客観的に測る方法に関心のある方
・製品などの見た目を制御・合成する技術に関心のある方
・脳の視覚の仕組みに関心のある方
「画像フィルタ」や「周波数解析」を知っていれば理解しやすいですが、必須ではありません. 

習得できる知識

・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
・物体の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
・見た目を制御したり合成したりするための技術
・脳の視覚情報処理の基本的な仕組みと癖
・感性工学における最新の技術に関する基本情報 

趣 旨

 「見た目」は製品の魅力を決定する最も重要な要因の一つです。「見た目」は結局のところ製品を見た消費者がどのように感じるかで決まるものです。言い換えると、「見た目」を決めているのは物理的な精度や緻密さではなく脳の情報処理です。したがって、もし魅力的な見た目の製品を開発したいならば、脳の情報処理を理解することが必須になります。いま、基礎的な脳科学の領域では様々なモノのもつ多彩な質感・テクスチャやその美醜を知覚する脳情報処理に関する研究が大きく進展しています。本セミナーでは、この最新の研究成果に基づいて、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画像特徴解析手法、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。

プログラム

1.質感と感性の脳情報学
 1.1. 脳の視覚情報処理の基本的な仕組み
   a. 網膜: 光を符号化する
   b. 低次視覚皮質: 画像特徴の抽出
   c. 高次視覚皮質: 「なに」と「どこ」
   d. 認知の理論とAI
   e. 色と質感
 1.2. 色と質感の知覚メカニズム
   a. 色と質感の起源: 照明と表面
   b. 古典的な考え方とその限界
   c. 表面の質感の知覚: 光沢,透明感,凹凸,その他
   d. 広義の「質感」: 映像そのものの質感と芸術
   e. 他の感覚における質感
 1.3. 良い質感と悪い質感
   a. 情動と感情の脳科学
   b. 美醜への科学的アプローチ
   c. 心地よい・気持ち悪い質感を決める画像特徴
  
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ことはできるのか?
   b. 心理物理学
   c. 実験と分析の基本
   d. 素人の陥る罠
 2.2. 見え・質感を計測するための実験作法
   a. 実験の準備:装置や条件など
   b. 実験のすすめ方・データ計測方法
   c. 得られたデータの意味と解釈
 2.3. 質感を決める画像特徴
   a. 自然界の画像には規則がある.
   b. 画像特徴量
   c. 画像統計量を分析する1 (事例1)
   d. 画像統計量を分析する2 (事例2)
   e. 主観評価と画像統計量の関係を分析する (事例3)
   f. モデルに基づき質感を操作する  (事例4)