シクロディスパリティは、両眼視と立体視における概念であり、両眼の網膜に投影される画像の回転方向の差を指す。水平方向の視差が、眼の左右の分離から生じ、深さの主要な手がかりを提供するのとは異なり、シクロディスパリティは、視線を軸とした一方の眼の画像の他方に対する回転を含む。この回転差は、自然な視界では通常小さく、数度未満であることが多いが、三次元空間における表面の傾斜と傾きを知覚する上で重要な役割を果たす。
人間の視覚系は、視覚皮質、特にV1やMTなどの領域における特殊なメカニズムを通じてシクロディスパリティを処理し、これらは方向と運動に敏感である。これらのメカニズムは、シクロディスパリティを単眼の手がかりや運動視差などの他の深さの手がかりと統合し、環境の一貫した知覚を生み出すのに役立つ。研究によれば、脳は数分角程度の小さなシクロディスパリティを検出でき、その感度と微細な深さの識別における重要性が示されている。
歴史的背景
シクロディスパリティの研究は19世紀に遡り、チャールズ・ホイートストンやヘルマン・フォン・ヘルムホルツなどの初期の視覚科学者が両眼視の幾何学を探求した。1838年のホイートストンのステレオスコープの発明は、各眼にわずかに異なる画像を提示することで説得力のある深さの感覚を生み出せることを実証し、視差の理解の基礎を築いた。しかし、シクロディスパリティが体系的に調査されたのは20世紀半ばになってからであり、ベラ・ユレシュなどの研究者がランダムドットステレオグラムを用いて視差処理を他の手がかりから分離した。1960年代のユレシュの研究は、視覚系が純粋なサイクロピアン刺激から深さを抽出できることを明らかにし、グローバルな立体視におけるシクロディスパリティの役割を強調した。
計算モデル
コンピュータビジョンと人工知能の分野では、シクロディスパリティはステレオビジョンアルゴリズムにおける基礎行列または必須行列の構成要素としてモデル化される。これらのモデルは、2つのカメラビュー間の相対的な回転と並進を推定し、シクロディスパリティは光軸周りの回転成分に対応する。ステレオマッチングのアルゴリズムは、しばしばシクロディスパリティ補正を組み込んで深さ推定を改善し、特に自動運転やロボティクスなどの応用で重要である。例えば、WaymoやTesla Autopilotは、道路の幾何学形状や障害物を正確に知覚するためにシクロディスパリティを考慮する必要があるステレオカメラシステムを使用している。深層学習の進歩により、大規模なデータセットからシクロディスパリティを暗黙的に推定することを学習するニューラルネットワークアーキテクチャが開発され、実世界のシナリオでの堅牢性が向上している。
深さ知覚への応用
シクロディスパリティは、傾斜したテーブルトップや曲がった道路などの傾斜した表面の向きを知覚するために重要である。観察者が視線に垂直でない表面を見ると、網膜上の画像は相対的な回転を受け、脳はこれを傾斜として解釈する。この手がかりは、正確な深さレンダリングがユーザーの没入感に不可欠な仮想現実や拡張現実システムにおいて特に重要である。Sony AIやGoogle DeepMindなどの企業は、より現実的な3Dディスプレイやシーン再構成のための生成AIモデルの開発にシクロディスパリティを利用することを探求している。さらに、シクロディスパリティは医療画像においても役割を果たし、解剖学的構造の立体視可視化は正確な視差処理に依存している。
測定と精神物理学
精神物理学的研究は、回転するランダムドットパターンなどの刺激を用いて、シクロディスパリティに対する人間の感度を定量化してきた。これらの実験は通常、中心の固視点と制御された回転オフセットを持つ周辺刺激を提示し、観察者が回転を検出できる閾値を測定する。結果は、感度が偏心度と刺激サイズによって変化し、より大きく周辺の刺激ではより小さな閾値が必要であることを示している。シクロディスパリティと水平視差の統合も研究されており、2つの手がかりが相互作用して統一された深さの知覚を生み出す。視差エネルギーモデルなどのモデルは、シクロディスパリティを考慮するように拡張され、初期視覚野における神経応答を理解するための枠組みを提供している。
関連概念
シクロディスパリティは、水平視差、垂直視差、輻輳眼球運動などの他の両眼の手がかりと密接に関連している。水平視差は水平軸に沿った深さを符号化する一方、垂直視差は視距離と頭部の向きに関する情報を提供する。シクロディスパリティは特に回転差を捉え、表面の傾斜知覚に不可欠である。機械学習では、シクロディスパリティは画像レジストレーションやオプティカルフロー推定における回転不変性の問題に類似しており、アルゴリズムは異なる向きの画像を整列させる必要がある。データ拡張やバッチ正規化などの技術は、そのような変動に対するモデルの堅牢性を向上させるためによく使用される。
今後の方向性
神経科学と人工知能における進行中の研究は、シクロディスパリティの神経基盤とその計算実装を引き続き探求している。脳コンピュータインターフェースやニューロモルフィックコンピューティングは、脳が回転視差を符号化する方法のより深い理解から恩恵を受ける可能性がある。自律システムでは、シクロディスパリティをLiDARやレーダーなどの他のセンサーモダリティと統合することで、霧や低照度などの困難な条件下での深さ知覚を強化できる可能性がある。大規模言語モデルとTransformer (architecture)アーキテクチャが進歩するにつれて、これらはステレオビジョンタスクにも適用される可能性があり、複雑なシーンにおけるシクロディスパリティの解釈を改善する可能性がある。