In-silico analysis on the uncanny valley effect: Robots and computer graphics characters that resemble humans but are not perfectly human-like tend to evoke negative feelings, known as the "uncanny valley effect." We used a neural network CLIP that learns visual concepts from natural language supervision as a visual sentiment model to examine the semantic match between human-likeness and words. Our results showed that the neural network estimated the matching of words of negative valence to be maximal at the midpoint of the transition from a human face to other objects.

不気味の谷効果の計算論的分析：人に似ているものの完全には人らしくないロボットやCGキャラクタは，否定的な感情を引き起こしやすいことが知られており，「不気味の谷効果」と呼ばれています．自然言語から視覚的な概念を学習したニューラルネットワークCLIPを視覚的な感情のモデルとして用い，人らしさと言葉の意味的な一致を調べました．得られた結果は，人の顔から別の物体へと変化する系列の中間点で，否定的な意味の言葉との一致が最大になるという仮説を支持するものでした．

Journal paper10.1016/j.chb.2023.107811 CodeGitHub In publication list業績リストで見る

Generative image model for various macaque identities and facial expressions: In this study, we developed a style-based generative image model for macaque monkeys, widely studied in systems neuroscience and evolutionary research, with limited training data. We show that our model is effective for style-based image editing, where specific style parameters correspond to distinct facial movements. These findings underscore the model’s potential for disentangling motion components as style parameters, providing a valuable tool for research on macaque facial expressions.

多様な個体と表情を生成するマカクザルの画像生成モデル：システム神経科学や進化の研究で広く用いられるマカクザルについて，限られた学習データからスタイルベースの画像生成モデルを構築しました．特定のスタイルパラメータが個々の顔の動きに対応し，スタイルに基づく画像編集に有効であることを示しました．顔の動きの成分をスタイルパラメータとして分離できることから，マカクザルの表情研究に役立つツールとなることが期待されます．

Journal paper10.1109/ACCESS.2026.3706030 arXiv2511.16711 CodeGitHub In publication list業績リストで見る