木曜日にOptica誌に掲載された研究によると、レーザー光線を装備した人工知能は角の向こうに隠れた物体を検知できるという。
スタンフォード大学の研究者らが率いる学者たちは、この技術によって、将来、自動運転車が交通量の多い交差点を横断する歩行者や駐車中の車などの潜在的な危険を検知できるようになることを期待している。
「視線外イメージングは、医用画像、ナビゲーション、ロボット工学、そして防衛といった分野で重要な用途を持っています」と、プリンストン大学のコンピュータービジョン教授であり、本研究の共著者でもあるフェリックス・ハイド氏は述べています。「私たちの研究は、こうした様々な用途への活用を可能にするための一歩となります。」
仕組みはこうです。まず、レーザー光線を壁に照射し、角に隠れた物体に反射させます。この壁は仮想光源と呼ばれます。隠れた物体から発せられたレーザー光は、機械学習システムに接続されたカメラで監視されている壁の一部に反射されます。
壁面への反射は、レーザーから発せられた光と隠れた物体からの反射光の干渉によって生じるスペックルパターンとして現れます。このパターンには、物体の全体的な形状に関する情報が含まれています。このパターンは前述のカメラで観測され、畳み込みニューラルネットワーク（CNN）に入力されてデコードされ、物体の画像を再構成します。
イメージングシステムの仕組みを説明する概略図。物体への光の反射と物体からの光の反射に使用される壁は、それぞれ仮想光源と検出器と呼ばれます。画像提供：プラサナ・ランガラジャン、サザンメソジスト大学
CNNは、スペックル画像における空間相関を分析し、隠れた物体から反射された光の量を推定するように訓練され、物体の輪郭を推定しました。この画像化システムをテストするため、研究チームは角の周りに設置された高さ1センチメートルの文字と数字の列の画像を再構成しました。カメラは反射壁から0.8メートルの距離に設置されました。
このシステムは、壁から約1メートル離れた撮影装置を用いて、角の裏に隠された高さ1センチメートルの文字と数字の画像を再構成することができました。露光時間を4分の1秒に設定することで、300ミクロンの解像度で再構成画像を作成しました。
元の隠された物体から再構成された画像の例。左から右へ：隠された物体の画像、文字「F」、スペックル画像から文字を再構成したもの、スペックル画像の再構成を処理して文字「F」の最終的な輪郭を復元したもの。
「私たちの技術の最大の問題は、視野が現時点ではわずか数インチ程度と非常に狭いことです」と、スタンフォード大学の博士研究員で本研究の筆頭著者であるクリストファー・メッツラー氏はThe Register紙に語った。「つまり、ナンバープレートの数字のような小さな物体は非常に鮮明に撮影できますが、車や人のような大きな物体は判別できないのです。」
幸いなことに、多くの研究者によって開発された、より広い範囲の低解像度画像を撮影できる他の非視線方向システムと組み合わせることができます。これらのシステムは、光が一定かつ有限の速度で移動するという事実を利用し、飛行時間情報に基づいて隠れた物体の情報を復元します。一方、私たちのシステムは、光を干渉を引き起こす波として扱い、この干渉の構造を利用して隠れた物体の画像を再構成します。
実験装置は、自動運転車の実際の状況を再現するには規模も複雑さも十分ではないことは明らかだ。しかし、研究者たちは、ノイズの問題に対処でき、長時間の露出を必要とせずに良好な画像を撮影できるため、この技術は有望だと考えている。
「視線外撮影の他の手法と比較して、私たちのディープラーニングアルゴリズムはノイズに対してはるかに堅牢であり、そのためはるかに短い露出時間で動作することができます」と、サザンメソジスト大学の工学助教授、プラサナ・ランガラジャン氏は述べた。
「ノイズを正確に特徴付けることによって、コストのかかる実験トレーニングデータを取得することなく、ディープラーニングを使用して再構成問題を解決するアルゴリズムをトレーニングするためのデータを合成することができました。」®
