豊橋技術科学大学と独ユストゥス・リービッヒ大学は，ヒトと同じような判断基準で物体材質を識別する画像計算可能なモデルを提案した（ニュースリリース）。

私たちには物体の表面状態や材質を推定する「質感認知」の能力が備わっている。それにより，貴金属が生む美しい輝きや，宝石からこぼれる色づき透き通る光の道筋から，豊かな質感を感じられる。

太古から現代まで常に人類全体で，良質な質感を追求し，光が物体表面で複雑に反射・透過することに価値を感じてきた。このような背景から，脳内の質感認知処理の理解が工学・心理学・神経科学といった様々な学問領域で積極的に進められている。

鏡や研磨された金属のように光がその物体表面で鏡面反射する「反射材質」と，ガラスや氷のように光がその物体を透過・屈折する「透過材質」は、それらの物体表面に映る画像が，物体の周りに何があるかによって大きく複雑に変化する。そのため想定される状況は数え切れないほど存在し，ヒトがどのように両者を見分けているか，ほとんど明らかになっていなかった。

そこで研究グループは，ヒトがどれくらいの精度で反射・透過材質を見分けているかを心理物理実験で調査すると同時に，畳込みニューラルネットワーク（CNN）のモデルがどの程度の精度で識別できるかも検証した。実験から，ヒトは78%の精度で反射・透過材質を識別できるのに対し，CNNは94%とヒトと比較してかなり高い精度で識別できることがわかったという。

以上の結果は，単にモデルの識別精度という点では申し分なく，ヒトを代替する存在として産業応用できる可能性を秘めるという。しかしながら，研究グループが本当に明らかにしたいのは「どのようにヒトが両者の材質を識別しているか」という点であり，ヒトを凌駕するモデルの構造や振る舞いからは，「ヒトが使っている画像手がかり」を見つけ出すこと
は難しいと考えた。

そこで，ヒトと同じように正解するだけでなく，あえて「ヒトと同じように間違える」ようにCNNをチューニングし，そのモデルの構造やヒトとの類似性から，何が手がかりとして使われているのかを検証した。

その結果，CNNの畳み込み構造は3層という比較的浅いモデルがヒトと最も似ており，モデルは物体の上部に表れる画像変化を手がかりとしている可能性が示唆された。これらは先行研究で報告されている，ヒト質感認知の知見を支持するもの。

これにより，画像中のすべての情報を使わずとも，要約された情報で材質識別や質感再現が可能になるかもしれないことから，研究グループは高精度な質感再現を，低コストに実現する技術への応用が期待されるとしている。