日本電信電話（NTT）は，撮影された画像から照明条件によらない「真の色」である物体固有の反射率（アルベド）を推定する固有画像分解タスクにおいて，LiDAR反射強度を用いた手法を確立し，従来の教師無し学習手法の中で最高精度を達成した（ニュースリリース）。

実世界において，画像・映像を撮影してデジタルデータとして取り込む際，撮影時の照明条件によってAI解析の精度やユーザ体験の品質に大きく影響するという課題がある。

例えば，物体認識や自己位置推定では，撮影時の照明条件が推定精度に影響を与えるため，様々な照明条件下で撮影した画像データを集めて検証する必要がある。また，メタバース空間の構築では，複数のデータを統合する際，さまざまな日照条件で計測したデータがツギハギになり，メタバース空間に撮影時の影が残ってしまう問題があった。

同社は今回，カメラ等で撮影された画像から影などの照明条件に依存した成分を取り除くことで，照明条件によらない物体固有の反射率（アルベド）を推定することを可能にする固有画像分解手法を確立した。

この技術では，固有画像分解の精度を向上させるため，太陽光の影響がないLiDARで計測した反射強度を利用することで，効率的な学習を実現した。LiDARはレーザー照射により能動的に計測するため，反射光計測時に取得できる反射強度（Intensity）が照明条件に依存しない情報としてアルベドを推定する有力な手掛かりとなる。

従来の固有画像分解では，正解となるアルベド情報が付与されたCG画像から学習する方法（教師有り学習手法）や，事前知識を元にアルベドらしさを反復学習させる方法（教師無し学習手法）などがあったが，実写画像での推定精度の低下や，日影とテクスチャの区別ができないなど，さまざまな問題があった。

しかし今回の提案手法では，LiDAR反射強度を併用することで日影とテクスチャを区別して学習でき，教師無し学習手法の中で最高精度を達成し，教師有り学習手法と比較しても遜色ない精度を達成したという。

これにより，物体認識タスクにおいて撮影時における照明条件の影響を排除し，より高精度に認識することができるほか，メタバース空間構築において，影が映っている画像からでも，影を排除し任意の日照条件を再現したメタバース空間を構築できるようになるとする。

同社では今後，更なる精度向上に向けた研究開発を推進していくと共に，画像認識やメタバース空間構築などにも適用し，より高品質なサービスの確立に向け研究開発を推進していくとしている。