3.　感性指標に基づくデザインのシミュレーション

3.1　シミュレーションを利用したデザイン支援

　感性指標化技術とシミュレーション技術を組み合わせると、モノから感性，感性からモノへの双方向の変換が可能となる。これによりユーザが所望するデザインを個人差を考慮した上で生成・推薦したり、感性語でデザインを検索できたりというデザイン支援が行える。また様々な模擬サンプルを生成し印象との対応を調べることで感性指標の高精度化を図ることもできる。プロダクトデザインにおけるモノ側の要因としては色、質感、形、動き、触感、変形具合などが挙げられる。このうち色についてはカラーイメージスケール（色の印象の指標）が広く知られており、これをベースとした色の推薦システムなどが各方面で開発されている。しかし色以外の物理要因に関する感性指標は確立されていない。以下、視覚的・触覚的質感のシミュレーションによるデザイン支援について述べる。

3.2　視覚的質感のシミュレーション

　質感は「高級感のある」とか「触りたくなる」といった感性的な価値に繋がるものとして、産業界で大きな注目が集まっている。学術的にも一般の「質感」の概念とは区別して、感性的な価値を持つ質感のことを「感性的質感」と定義し、工学、心理学、脳科学など学際的融合により重点的に取り組んでいる⁶⁾。
　従来の質感研究では素材のテクスチャ（細かい模様や粗さなどの視覚的な表面性状であり、質感とほぼ同意語）の生成手法について多くの研究事例があるが、幾何学的テクスチャの生成の際には構造が崩れてしまうという弱点があった。
　そこで最近の畳み込みニューラルネットワーク(CNN)によるテクスチャの数理表現と感性指標とを関連付け、所望の感性的質感を有するテクスチャ生成手法を提案した(図4) ⁷⁾。テクスチャ特徴量としてスタイル特徴と呼ばれる絵画の画風変換に用いられた特徴量を利用し、予め主観評価実験により構築した感性指標とスタイル特徴を対応付けたモデルを作っておく。次に所望の質感を感性指標によって指定すれば、モデルに基づいて質感を実現するスタイル特徴を推定する最適化問題を解くことで、ホワイトノイズ画像から所望の画像を生成できる。本手法を自動車内装用のシボ加工した樹脂板のテクスチャ生成に適用し、図中に示すようなデザイナーによって設計された幾何学的なテクスチャに対して、感性的質感の誇張（e.g.「はつらつ感」を+2高めたテクスチャ生成）を行ったところ、幾何学構造が完全に保存されたまま、コントラストが若干強められた緻密なテクスチャが生成された。検証実験で，生成画像が設計意図通り（「はつらつ感」が+2）の質感を持つことが主観評価実験により確認された。
　以上により、CNNのスタイル特徴と感性指標がテクスチャ解析・生成問題において高い親和性を持つことが示された。そこでこの枠組みをテクスチャのイメージ検索問題に適用した(図5) ⁸⁾。衣服用生地の柄画像約1200枚を対象とし、うち網羅性と代表性を担保した75枚を選びだし教師データとする。教師データについてCNNのスタイル特徴と感性指標（主観評価により選定した「華やかな」「古風な」など約50の印象語と、心理統計分析により得られた「爽やか」「ポップ」など6因子）の関係をモデル化した。モデルに基づいた柄検索システムを実装し、検証実験としてテスト画像約1100枚で検索を行った結果、学習データが全画像数のわずか6%にもかかわらず感性的に違和感のないイメージ検索結果が示された。このイメージ検索機能はファッションデザインアプリへ実装されている。また紳士服オーダースーツの生地のレコメンドシステム「感性AIソムリエ」としても活用されている。このようにユーザがプロダクトデザインのプロセスの一部に関わることは、単なるカスタマイズの効果だけではなく、関与すること（engagement）そのものが最終製品への満足度を上げることに繋がり、感性価値向上に寄与していることが明らかになっている。

3.3　触覚的質感のシミュレーション

　最近では，視覚的質感とともに触覚的質感（触感）に関する産業界からのニーズが急増している。著者らは所望の触感を実現する枠組みとして、触感計測、シミュレーション、ディスプレイ技術に関する基盤技術と応用研究を進めている（図6）。触感を構成する低次の要因としては指先が触れる表面性状（ハイトマップ）と接触時に生じる相互作用力の周波数空間における特徴量の違い（指がどのように変形するか）が挙げられ、高次の要因としては、それら特徴量から脳内でどのような触覚的質感が構成されるかの個人差や時間的・空間的変化を含む触覚的質感予測モデルの違いが挙げられる。著者らは指先の相互作用力の振動を周波数空間において特徴量化し、人が感じる４つの材質感指標であるミクロ粗さ、マクロ粗さ、硬軟感、摩擦感と対応付ける触感計測装置を実現した。
　この触感計測装置を視覚的質感と同じように、自動車内装の樹脂板の触感的質感の設計に応用した。まず触感の感性指標を心理統計手法によって作り、次に指標に基づいて触感を誇張した樹脂板のハイトマップをリバースエンジニアリングの流れで作成した。実際に効果検証実験を行ったところ、作成した樹脂板が設計意図（e.g. 「スマートさ」を+2上げる）通りの印象変化を持つことが、主観（触感）評価実験により確かめられた。
　この触感計測技術は他にも、素材の触感定量化や化粧水の処方設計⁹⁾など幅広い分野で活用されている。化粧水の処方設計では、「ふきとり感触」の感性価値が「肌摩擦感」と「ふきとれた実感」の２要素からなることを明らかにし、それぞれに影響を及ぼす振動周波数帯を求め、感性価値を最大にする処方設計を実現した（図7）。

　　

　　

4.　まとめ

　感性の計測技術や指標化技術について述べ、とくにAI／機械学習／データマイニング技術の活用の可能性について紹介した。今後の展開として、現場の良質なビッグデータから新たな感性価値を創出し、社会の価値観そのものを転換していくことが期待される。一人ひとりの感性を尊重しつつ地球規模で繋がることで，個人の満足を高め、全体としても大きな価値が創出される。それが豊かで持続可能な社会の実現であり、すなわちSDGsへの貢献であると考えている。

【著者紹介】
長田　典子（ながた　のりこ）
関西学院大学　理工学部　教授 / 感性価値創造インスティテュート　所長

■略歴
　1983年京都大学理学部数学系卒業,同年三菱電機（株）入社,
　　産業システム研究所においてマシンビジョンの研究開発に従事
　1996年大阪大学大学院基礎工学研究科博士後期課程修了
　2003年より関西学院大学理工学部情報科学科助教授
　2007年同教授
　2009年米国パデュー大学客員研究員
　2013年感性価値創造研究センター長
　2015年革新的イノベーション創出プログラム
　「感性とデジタル製造を直結し、生活者の創造性を拡張するファブ地球社会創造拠点」サテライトリーダー
　2020年感性価値創造インスティテュート所長。博士（工学）。専門は感性工学、メディア工学等。
　　著書「感性情報処理」（共著）他

　2013年文部科学大臣表彰科学技術賞（科学技術振興部門）、2014年グッドデザイン賞受賞

3．「顔の筋トレ効果」を評価する

3.1　はじめに

　顔の老化抑制や笑顔のトレーニングに表情筋運動は欠かせない。しかし表情筋は四肢や体幹の骨格筋と異なり比較的小さな皮筋で、負荷をかけた運動を行うことが難しい。また表情筋の最大随意収縮（Maximum　Voluntary　Contraction：MVC）を行った場合は皮膚に大きな歪が生じ、皺の形成を助長する可能性が高い。皺の形成を最小限にするためには顔のアイソメトリック運動（Facial Isometric Exercise：FIE）が効果的であると考えられている^[5]。しかし FIEはこれまで顔の皮膚を指で支持せねばならず、安定して大きな負荷をかけることができなかった。さらに表情筋運動の効果の比較を行うためには、サイズの小さな表情筋の筋電図測定を精確に行う必要がある。
そこで本研究は、表情筋に負荷を与えることができるフェイシャルフィトネス器具と小型の表面電極を用い表情筋活動の測定と表情筋運動の比較を行うことを目的とした。

3.2　方法
　はじめに予備実験として成人男女16名を対象として、フェイシャルフィットネス器具PAO（MTG社製：以下PAO）を自由に利用してもらい効果的な利用法の検討を行った。PAO（全長540mm、板ばね厚0.6mm、しなり角度43°、振り幅200mm、周波数2～3Hz）は口輪筋でマウスピース部分を保持し、バーを振動させて利用する^[6]。使用感のインタビューと観察を行った結果、頬を上げて笑顔で使用すると負荷が顔面中部、下部にかかるという声が聞かれた（図５）。また、マウスピースを噛んで保持する誤った使用がみられたことから、咀嚼筋である咬筋のモニタリングをすることとした。

　本実験では、20～30代の成人男女10名（男性3名、女性7名）を被験者とした。直径3mmの小型表面電極を、被験筋である口輪筋、大頬骨筋、笑筋（深部は頬筋）、および誤使用とクロストークのモニタリング用である咬筋に電極間隔15mmで貼付した。表情筋運動は、口輪筋のMVC、大頬骨筋のMVC、笑筋のMVC、「アエイウエオアオ」の連続した発声、ペンテクニックによるつくり笑顔、PAO（真顔）、PAO（笑顔）の7種類の試技を課した（図６）。

　各試技を5秒間行い、生体計測システムMP150（BIOPAC Systems社）により筋電位を2000倍に差動増幅してサンプリング周波数2000Hzでコンピュータに取り込み測定した。筋電位は全波形整流化し、積分筋電位を算出し3回の試技の平均値を代表値として解析した。

3.3　結果
　　積分筋電位の分散分析と多重比較を行い、平均値をレーダーチャートに示した（図７）。口輪筋では、PAO（真顔）は口輪筋MVCの1.4倍、PAO（笑顔）は1.6倍の筋活動で1％水準の有意差があった（図８）。笑顔形成の主働筋である大頬骨筋では、PAO（笑顔）は大頬骨筋MVCの1.26倍の筋活動で、有意差はみられなかった。ペンテクニックによるつくり笑顔と比較した場合、1.84倍で5％水準の有意差があった。笑筋では分散が大きく、試技による有意差はみられなかったものの、笑筋MVCとPAO（笑顔）の平均値は同じ活動量であった。表情筋活動のパターンから、PAO（笑顔）が効率的に口輪筋、大頬骨筋、笑筋に負荷を与えていることがわかった。

3.4　考察
　本実験の結果は、フェイシャルフィットネス器具を用いて皺の表出を抑えた効果的な表情筋のアイソメトリック運動が可能であることを示唆している。また口輪筋に働きかけることから、口呼吸を抑制する効果も期待ができる。笑顔を意識して使用した場合は、笑い皺を気にせず、大頬骨筋をトレーニングできる。見るものに好印象を与えるデュシェンヌ・スマイルの形成を促すことも考えられる^[7]。口唇で器具を保持しながら、頬を上げる動作はフェイシャルエクササイズの未体験者には難しいため、トレーニング期間を設けて安定した大頬骨筋と笑筋の活動を記録することは課題である。また中長期的な運動効果の検証を今後の展望としたい。

　かつて感性の巨人、レオナルド・ダ・ヴィンチは、魅力的な作品を創造するために、徹底的な人体寸法の計測と解剖を行った。人体メカニズムに関する、内と外のデータを取得し、知識を知恵に昇華させて作品制作を行っていた。21世紀のものづくりにおいても徹底して定量化を試み、眠ったヒトの感性を喚起する、このダ・ヴィンチの姿勢が必要だと考える。感性計測はまさにダ・ヴィンチの科学的な取り組みの現代版といえるだろう。筆者は顔と表情の感性計測を行い、コロナ禍、アフタコロナにおける人に優しい、人に嬉しいものづくり、サービスの提供に貢献していきたい。

　　

5　結果

図２に、アンケートによって順位付けした高評価群（1～10位の10作品）と、低評価群（31～40位の10作品）を示す。図２(a) は高評価群、図２(b) は低評価群の各10作品である。図２(a)の H1, H2･･･, H10は、最も評価の高いものから1位、2位･･･10位、図２(b)のL1, L2･･･, L10は、最も評価の低いものから1位、2位･･･10位と順位を付けている。ただし、図２(b)のL4とL5、L6とL7は同点であるが便宜上順位を付いている。また図内の評価得点は、上手で似ているものは7点、下手で似ていないものは1点となるように、8名のアンケートの評価結果を平均した。図２より、高評価群は4.9点以上の評価得点であるのに対して、低評価群は2.6点以下になっており、上手な絵と下手な絵が分類できているといえる。

図２より、高評価群の10名はすべて左髪のハネなどの特徴を捕えている。さらに、描画対象モデルを忠実に模写するために、全体のバランスおよび、顔のパーツやそれらの相対的な位置関係が、対象モデルと同様になるように描いていることがわかる。 一方、低評価群の似顔絵は、対象モデルと比べ極端に大きいものや小さいものが見られる。また、左髪のハネなどの特徴を捕えているものが少なく、描画対象モデルの観察が不十分であることが伺える。
図３(a)～(e) に高評価群、図３(f)～(j) に低評価群の各5作品の似顔絵におけるHeat mapを示す。似顔絵作成時間はいずれも6分30秒から7分30秒の範囲であるが、描画時間全体に対する注視時間を相対的に比較するために、全作業時間のうち0.50%（7.0分のときは2.1秒）以上を注視した部分が、赤色で表示されるように設定した。図内のCは描画視線率であり、Eは似顔絵を描いたときの対象モデルと描画キャンバス上の似顔絵間の1分あたりの平行な視線移動回数を示している。図３(a)(b)のように、高評価群では描画対象モデルと似顔絵ともに、ほぼ同程度の割合で注視している。また、それらは描画対象モデルの顔面パーツだけでなく全体を観察し、輪郭やその特徴部分にも注目していることが確認できる。
一方、図３(f)(i)のように、低評価群においては描画対象モデルよりも、似顔絵を注視する時間のほうが長くなっている。よって低評価群では、描画対象モデルを十分に観察しないまま似顔絵を描く傾向があると考えられる。また、低評価群では描画対象モデルの目、鼻、口を注視しているが、輪郭や左髪のハネなど、見落としている特徴が多いことも確認できる。

図４(a)～(e)に高評価群、図４(f)～(j)に低評価群の各5作品における似顔絵描画時の停留点とその軌跡（Gaze plot）を示す。図内のC, Eは図３と同様である。図４(a)～(e)と図４(f)～(j)を比較すると、高評価群の平行に移動する停留点の軌跡の本数は、低評価群のそれらよりも多いことがわかる。さらに、代表例として図４(a)と(f)を見比べると、高評価群は描画対象モデルとそれに対応する似顔絵上のみに停留点があるのに対して、低評価群では、似顔絵描画に関係ない位置に停留点があることが確認できる。このことから似顔絵が下手な人は、描画中に注意力が散漫になり、集中力が欠損したと考えらえる。

これらの結果を定量評価するため、描画視線率Cおよび、似顔絵描画時の対象モデルと描画キャンバス上の似顔絵間の1分あたりの平行な視線移動回数Eを用いて分析する。表１に、高評価群と低評価群の各1～10位の似顔絵における、描画視線率Cおよび1分あたりの視線移動回数Eを示す。
表１より、高評価群10作品の似顔絵における描画視線率Cの平均値は0.64（SD 0.13）であり、低評価群10作品の平均値0.46（SD 0.07）より大きいことがわかる。描画視線率Cは、作業時に用いた全体の視線の動きに対して、対象モデルを正確に描画するために使用した視線の動きの割合であり、両者の間には統計的に有意な差があった。（t=3.99, df=14, p<0.01）よって、似顔絵の上手な人は下手な人と比べて、無駄な視線の動きが少ないことを数値として示している。

さらに、高評価群10作品の似顔絵における1分あたりの視線移動回数Eの平均値は48.9 [回/分]（SD 14.3）であり、こちらも低評価群10作品の平均値24.2 [回/分]（SD 3.4）より2倍以上大きくなっていることがわかる。またこの両者の間にも、統計的に有意な差を確認した。（t=5.32, df=10, p<0.01）この1分あたりの視線移動回数Eは、描画対象モデルと似顔絵を交互に見比べる回数であることから、似顔絵の上手な人は似顔絵の下手な人に比べて、描画対象モデルを繰り返し十分に観察し、輪郭およびパーツの特徴や相対的位置関係を獲得し、少しずつ確認・修正しながら描いている。さらに、似顔絵の下手な人は、頭の中にあるパーツのイメージや固定観念によって描くため、1分あたりの視線移動回数Eの値が小さくなることが示された。
よって、似顔絵を上手に描くためには、「集中してモデルを十分に観察する」「モデルの頭頂部から顎下にかけて繰り返し観察し模写の要領で、パーツの形状やそれらの相対的位置関係を獲得し、少しずつ確認・修正しながら描く」ことが重要であり、これらを描画視線率Cと1分あたりの視線移動回数Eを用いて定量評価できることを示した。

6　おわりに

この研究事例では、以下の４つの知見を獲得した。 (1) 似顔絵の上手な人は似顔絵の下手な人に比べて、描画対象モデルを全体的に捉え、集中して繰り返し十分に観察しながら描く。 (2) 似顔絵の上手な人は、輪郭およびパーツの特徴やそれらの相対的位置関係を獲得し、模写の要領で少しずつ確認・修正を繰り返しながら描く。 (3) 似顔絵が下手な人は、約7分の描画時間において注意力が散漫になり、集中力が欠損する傾向がある。 (4) 似顔絵が下手な人は、輪郭や左髪のハネなど、見落としている特徴が多い。（よく観察し特徴を捉えることが上手になるための第一歩である。）
絵の下手な人は、上記の４つの知見を実践することによって、似顔絵が上手に描けるようになると考えられる。余談ですが、この研究を手伝ってくれたゼミ生たちも絵が上手になって広島国際大学を卒業してくれました。小野²⁾ は、絵を上手に描くポイントとして「とにかくよく見て描く」「モチーフの細部を集中して観察する」ことを述べている。また、B. Edwards³⁾ も、写実的に描く方法として「既成概念を捨てて集中して見たままを描く」ことを述べている。
この研究では、注視線計測によって獲得したHeat mapおよび Gaze plotからこれらのスキルおよび特徴量を可視化した。さらに描画視線率C、1分当たりの視線移動回数Eを用いて、似顔絵の上手な人と下手な人との違いを明確にし、定量評価できることを示した。
今回紹介させていただいた研究事例は、より高度な似顔絵描画スキル抽出のための過程であり、その土台となる本質的な特徴量の一部分を獲得している。今後、実験方法の改善および他の生体情報と組み合わせることによって、より詳細なスキルおよび特徴量を抽出し、似顔絵を上手に描くための知見を1つ1つ積み重ねていく予定である。また同時に、視線計測を用いた音楽や香りを提示したときの、集中・やる気レベルおよび感性の可視化、定量評価について研究を展開している。

4.　活用事例

4.1　アルパイン株式会社

『職業ドライバーの眠気・疲労感の解消可能な車室環境の研究』
　職業ドライバーの長時間運転時の眠気と疲労感について，運転の阻害にならず緩和する方法が求められている。本研究では，自然で運転の阻害にならない方法としてアロマを研究対象とし，まず脳波の集中度・ストレス度・眠気度を分析して，最も眠気と疲労感の緩和に効果を与えるアロマを脳波から定量的に選出した。結果，脳波からあるアロマが選出出来ることが確認されたため，選出されたアロマの効果を運転環境下で検証した（図3, p < 0。05, N=20）。本結果は学会発表と学術誌発表を通して，学術的な形で発表を行なった⁴⁾。

4.2　一般社団法人 日本情報経済社会推進協会

『隠れた観光資源の生体信号からの検証』
　外国からの訪日観光客は，日本人が気付いていない魅力を感じているのではないかという視点から脳波を用いた検討・検証を行った。日本人と外国人を被験者として，被験者はカメラ付きの感性アナライザを装着し，スカイツリー・秋葉原・浅草の3箇所を観光した。脳波計に付けたカメラとは別にカメラを各被験者に渡して，興味を持ったものの撮影を依頼した。ガイドに促されて撮影した写真と，自ら撮影した写真を脳波から取得した興味度と照合したところ，興味度が高いときには自ら撮影していることが多いという結果となった。ガイドが撮影を促したのは主にランドマークであったが，それ以外にも脳波から新たな観光資源が眠っていることが示唆された（図4・5）。

4.3　株式会社TVC

『コンビニエンスストアの店頭評価』
　コンビニエンスストアでの店頭の評価について脳波を用いた検証を行った。店頭評価ではカメラ付きの感性アナライザを被験者に装着してもらい，店舗で買い物をしているときの脳波を計測した。店頭評価についての様々な検証の中からストレス度に注目した事例として，被験者が買い物をしている際の買いたい商品の欠品がわかった瞬間があった。目的の商品が欠品している際に利用客が感じるストレスについて，感性アナライザで『見える化』することができ，欠品のないストレスが少ない店舗作りの取り組みに繋げた（図6）。また，レジで並んでいる際のストレス度の上昇等の既に感覚的に理解していることも数値により『見える化』することで，店頭スタッフの意識改革に繋げた。 　店頭評価では上記のような，『店舗の問題発見』や『スタッフの教育』に感性アナライザを活用している。

5.　おわりに

　本稿では，生体信号の一つである脳波から感性評価を行う上でまず注目すべき課題とその対処方法を述べた。また，実際に脳波から感性の評価を行うため作成した感性アナライザとその活用事例を紹介した。感性アナライザは，小型脳波計とタブレット端末で計測できるという特徴から紹介した方法以外にも様々な分析が可能となる。今後も人間の感性を考慮したものづくり・製品開発につなげるため，感性評価技術の開発に取り組みたい。