[論文レビュー] A neural model of the locust visual system for detection of object approaches with real-world scenes

Matthias S. Keil, E. Roca+1 more|arXiv (Cornell University)|Jan 24, 2018

Neural dynamics and brain functionNeuroscience参考文献 15被引用数 16

ひとこと要約

本論文は、現実世界のシーンにおける頑健な衝突検出を目的として、メダカのLGMDニューロンの生物学的インスピレーションを受けて構築されたニューラルモデルを提示する。ON/OFF経路、フィードバック側方抑制、および拡散に基づく信号伝播を統合することで、背景の動きや低コントラスト物体への反応を効果的に抑制し、悪条件下でも接近物体の検出を信頼性高く実現している。

ABSTRACT

In the central nervous systems of animals like pigeons and locusts, neurons were identified which signal objects approaching the animal on a direct collision course. Unraveling the neural circuitry for collision avoidance, and identifying the underlying computational principles, is promising for building vision-based neuromorphic architectures, which in the near future could find applications in cars or planes. At the present there is no published model available for robust detection of approaching objects under real-world conditions. Here we present a computational architecture for signalling impending collisions, based on known anatomical data of the locust \emph{lobula giant movement detector} (LGMD) neuron. Our model shows robust performance even in adverse situations, such as with approaching low-contrast objects, or with highly textured and moving backgrounds. We furthermore discuss which components need to be added to our model to convert it into a full-fledged real-world-environment collision detector. KEYWORDS: Locust, LGMD, collision detection, lateral inhibition, diffusion, ON-OFF-pathways, neuronal dynamics, computer vision, image processing

研究の動機と目的

• 現実世界の視覚環境における物体接近の検出を目的とした、メダカLGMDニューロンの生物学的に妥当なニューラルモデルの開発。
• 低コントラスト物体や動的な背景などの悪条件下でも頑健な衝突検出の課題に対処すること。
• 抑制経路の飽和を防ぐためにフィードバック側方抑制を導入することで、先行モデルを改善すること。
• 神経生理学的原則を組み込むことで、自律走行車両向けのニューロモルフィックビジョンシステムへの実用的応用を可能にすること。

提案手法

• モデルは、明るさの増加と減少にそれぞれ感受性な2つの並列経路（ONおよびOFF）を用い、動画シーケンスからの動き信号を抽出する。
• 動き検出器（MDs）は、漏れ込み統合を伴う微分方程式でモデル化され、時間的変化を捉える局所的な明るさの変化を再現する。
• 和集合ユニット（SUs）はMDの出力を統合し、反応拡散プロセスによって側方抑制をモデル化する拡散層にフィードバックする。
• フィードバック抑制は、自らの興奮と分離された形で実装されており、抑制が持続的に飽和しないようにし、持続的な反応性を維持する。
• LGMDニューロンはSUsからの活動を統合し、最終的な衝突信号として出力を生成する。
• 対数エンコーディングと非線形統合を用いることで、神経生理学的データと整合するη関数の応答を近似する。

実験結果

リサーチクエスチョン

• RQ1 生物学的インスピレーションを受けて構築されたメダカLGMDニューロンのニューラルモデルは、複雑な背景を持つ現実世界のシーンにおいて、どのように接近物体を頑健に検出できるか？
• RQ2 背景の動きのような非衝突的運動に対する反応を抑えるために、フィードバック側方抑制が果たす役割は何か？
• RQ3 ONおよびOFF経路は、単一経路モデルと比較して、どのように接近物体の検出を向上させるか？
• RQ4 低コントラストまたは高テクスチャ条件下でも、モデルは接近物体への感受性を維持できるか？
• RQ5 自律走行などの現実世界の応用に適したモデルとするために、どのような追加メカニズムが必要か？

主な発見

• モデルは、歩行者横断帯や高速道路の交通など、複雑なシーンを含む現実世界の動画においても、接近物体を効果的に検出できた。
• フィードバック側方抑制により、抑制層の飽和が防止され、強い背景の動き下でもモデルが反応性を維持できた。
• ONおよびOFF経路は、拡散層全体の活動を低減させ、誤って抑制されるのを防ぎ、信号対雑音比を向上させた。
• 物体の進入・退出に起因する二次的応答ピークは、側方抑制によって抑制され、抑制が消失した後に回復した。
• モデルの出力はη関数と良好に相関しており、対数エンコーディングと非線形統合によって、LGMDの応答ダイナミクスが効果的に再現されていることが示された。
• 頑健な性能を発揮しているが、依然として非衝突の大型物体に対しても反応するため、真の衝突を区別するための追加の意思決定論理の導入が求められる。