WO2019048978A1

WO2019048978A1 - 仮想現実提供システム

Info

Publication number: WO2019048978A1
Application number: PCT/IB2018/056471
Authority: WO
Inventors: 吉本智史; 塩川将隆; 檜山真里奈
Original assignee: Semiconductor Energy Laboratory Co Ltd
Current assignee: Semiconductor Energy Laboratory Co Ltd
Priority date: 2017-09-06
Filing date: 2018-08-27
Publication date: 2019-03-14
Anticipated expiration: 2020-03-06

Abstract

要約書新規な仮想現実提供システムを提供する。仮想現実提供システムは、人工知能（ＡＩ：ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）を利用して映像（画像を含む）信号を補正する機能を有する。具体的には、表示された映像（画像を含む）を見た際の使用者の生理状態を計測部が測定し、測定されたデータを基にニューラルネットワークにより補正データを生成する。得られた補正データに基づき映像信号を補正して表示することにより、映像を見た使用者のＶＲ酔いを低減することができる。

Description

仮想現実提供システム

本発明の一態様は、ＶＲ酔いを低減することができる仮想現実提供システムに関する。

なお、本発明の一態様は、上記の技術分野に限定されない。本明細書等で開示する本発明の一態様の技術分野としては、半導体装置、表示装置、発光装置、蓄電装置、記憶装置、表示システム、電子機器、照明装置、入力装置、入出力装置、それらの駆動方法、又はそれらの製造方法、を一例として挙げることができる。

また、本明細書等において、半導体装置とは、半導体特性を利用することで機能しうる装置全般を指す。トランジスタ、半導体回路、演算装置、記憶装置等は半導体装置の一態様である。また、撮像装置、電気光学装置、発電装置（薄膜太陽電池、有機薄膜太陽電池等を含む）、及び電子機器は半導体装置を有している場合がある。

コンピュータグラフィックスを用いて三次元の仮想世界を立体視できる技術がある。また、この技術を用いて表示された画像の視聴には、頭部または顔部に装着して利用されるヘッドマウントディスプレイ（ＨＭＤ）が知られている。このＨＭＤは、使用者の視線方向に合わせて表示映像を切り替えることが可能であるので、臨場感のある画像を体験することができる。

しかし、このようなＨＭＤでは、視界の大部分を表示された画像が占めることになるため、「ヴァーチャル・リアリティー（ＶＲ）酔い」と呼ばれる酔いの症状が出ることが知られている。なお、ＶＲ酔いの原因は、提供される画像と使用者が体感する画像との間の視野角の不一致や、奥行き感の不一致であるといわれている。

これに対して、画像表示において、二次元情報と三次元仮想物体の両方を合成情報として用いることで、ＶＲ酔いを低減しつつ臨場感を維持するという技術が開発されている（例えば、特許文献１）。

特開２００３−１４１５７３号公報

本発明の一態様では、単に映像の表示方法を変えるのではなく、使用者の生理状態に応じた映像表示を実現することにより、ＶＲ酔いを低減することを目的とする。従って、本発明の一態様は、新規な仮想現実提供システムを提供する。また、本発明の一態様は、使用者の生理状態に応じた映像表示を行い、ＶＲ酔いを低減することができる仮想現実提供システムを提供する。

なお、本発明の一態様は、必ずしも上記の課題の全てを解決する必要はなく、少なくとも一の課題を解決できるものであればよい。また、上記の課題の記載は、他の課題の存在を妨げるものではない。これら以外の課題は、明細書、特許請求の範囲、図面などの記載から、自ずと明らかとなるものであり、明細書、特許請求の範囲、図面などの記載から、これら以外の課題を抽出することが可能である。

本発明の一態様に係る仮想現実提供システムは、人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）を利用して映像（画像を含む）信号を補正する機能を有する。具体的には、表示された映像（画像を含む）を見た際の使用者の生理状態を計測部が測定し、測定されたデータを基に人工ニューラルネットワーク（ＡＮＮ：Ａｒｔｉｆｉｃｉａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）により補正データを生成する。さらに補正データに基づき映像信号を補正して表示することにより、映像を見た使用者のＶＲ酔いを低減することができる。

なお、人工知能とは、人間の知能を模した計算機である。また、人工ニューラルネットワークとは、ニューロンとシナプスで構成される神経網を模した回路であり、人工知能の一種である。本明細書等において「ニューラルネットワーク」と記載する場合、特に人工ニューラルネットワークを指す。

本発明の一態様は、表示部と、制御部とを有し、表示部は、映像を表示することによって仮想現実を使用者に提供し、制御部は、ニューラルネットワークを有し、ニューラルネットワークは学習内容に基づき、使用者の生理状態に応じて酔いを低減する補正データを出力し、制御部は、補正データに基づき、映像を補正して表示部に表示させる仮想現実提供システムである。

本発明の別の一態様は、表示部と、制御部と、計測部と、を有し、表示部は、第１のデータに基づく映像を表示することによって仮想現実を使用者に提供し、制御部は、ニューラルネットワークを有し、計測部は、映像を見た際の使用者の生理状態に基づく第２のデータを測定し、ニューラルネットワークは、第１のデータと第２のデータに基づき、使用者の生理状態に応じて、酔いを低減する第３のデータを出力し、制御部は、第３のデータに基づき、映像を補正して表示部に表示させる仮想現実提供システムである。

なお、上記構成において、ニューラルネットワークは、第１のデータと第２のデータに基づき、ニューラルネットワークの重みを更新して、酔いを低減する第３のデータを出力し、第３のデータに基づき、映像を補正することにより学習を行うことを特徴とする。

なお、上記各構成において、計測部は、使用者の生理状態の情報として、血圧、心拍数、発汗量または脳波のいずれかを測定することを特徴とする。また、計測部が、使用者の生理状態の情報に含まれる情報として、映像を見た際の使用者の動き（映像に反応した動き等）を測定する構成とすることもできる。この場合は、使用者の動きの映像をイメージセンサ（例えば、ＣＣＤイメージセンサ、ＣＭＯＳイメージセンサ等）、カメラ、その他センサを用いて測定し、位置情報や動きの速さ情報などをデータ化したものを用いればよい。

また、上記各構成において、使用者は、血圧、心拍数、発汗量または脳波の測定により、生理状態がモニタされることを特徴とする。また、上記各構成において、使用者は、位置情報や動きの速さ情報等を測定することにより、映像を見た際の使用者の動き（映像に反応した動き等）がモニタされることを特徴とする。

また、本発明の一態様に係る仮想現実提供システムにおいて、表示部には、様々な素子を用いることができる。なお、素子としては、公知の様々な素子を適用することができるが、液晶素子や発光素子等を用いることが好ましい。

また、本発明の一態様に係る仮想現実提供システムにおいて、ニューラルネットワークにデータを順次入力し、データごとに異なる重み係数を用いてデータの補正を行ってもよい。

本発明の一態様により、新規な仮想現実提供システムを提供することができる。また、本発明の一態様により、使用者の生理状態に応じた映像表示を行い、ＶＲ酔いを低減することができる仮想現実提供システムを提供することができる。

なお、これらの効果の記載は、他の効果の存在を妨げるものではない。また、本発明の一態様は、必ずしも、これらの効果の全てを有する必要はない。これら以外の効果は、明細書、特許請求の範囲、図面などの記載から、自ずと明らかとなるものであり、明細書、特許請求の範囲、図面などの記載から、これら以外の効果を抽出することが可能である。

仮想現実提供システムの構成例を示す図。ニューラルネットワークの構成例を示す図。ニューラルネットワークの動作例を示す図。フローチャート。フローチャート。トランジスタの構成例を示す図。表示パネルの構成例を示す図。ヘッドマウントディスプレイの構成例を示す図。

以下、本発明の実施の形態について図面を用いて詳細に説明する。ただし、本発明は以下の実施の形態における説明に限定されず、本発明の趣旨及びその範囲から逸脱することなくその形態及び詳細を様々に変更し得ることは、当業者であれば容易に理解される。したがって、本発明は、以下に示す実施の形態の記載内容に限定して解釈されるものではない。

また、本明細書等において、ＸとＹとが接続されている、と明示的に記載されている場合は、ＸとＹとが電気的に接続されている場合と、ＸとＹとが機能的に接続されている場合と、ＸとＹとが直接接続されている場合とが、本明細書等に開示されているものとする。したがって、所定の接続関係、例えば、図又は文章に示された接続関係に限定されず、図又は文章に示された接続関係以外のものも、図又は文章に記載されているものとする。ここで、Ｘ、Ｙは、対象物（例えば、装置、素子、回路、配線、電極、端子、導電膜、層、など）であるとする。

ＸとＹとが直接的に接続されている場合の一例としては、ＸとＹとの電気的な接続を可能とする素子（例えば、スイッチ、トランジスタ、容量素子、インダクタ、抵抗素子、ダイオード、表示素子、発光素子、負荷など）が、ＸとＹとの間に接続されていない場合であり、ＸとＹとの電気的な接続を可能とする素子（例えば、スイッチ、トランジスタ、容量素子、インダクタ、抵抗素子、ダイオード、表示素子、発光素子、負荷など）を介さずに、ＸとＹとが、接続されている場合である。

ＸとＹとが電気的に接続されている場合の一例としては、ＸとＹとの電気的な接続を可能とする素子（例えば、スイッチ、トランジスタ、容量素子、インダクタ、抵抗素子、ダイオード、表示素子、発光素子、負荷など）が、ＸとＹとの間に１個以上接続されることが可能である。なお、スイッチは、オンオフが制御される機能を有している。つまり、スイッチは、オン状態、又は、オフ状態になり、電流を流すか流さないかを制御する機能を有している。又は、スイッチは、電流を流す経路を選択して切り替える機能を有している。なお、ＸとＹとが電気的に接続されている場合は、ＸとＹとが直接的に接続されている場合を含むものとする。

ＸとＹとが機能的に接続されている場合の一例としては、ＸとＹとの機能的な接続を可能とする回路（例えば、論理回路（インバータ、ＮＡＮＤ回路、ＮＯＲ回路など）、信号変換回路（ＤＡ変換回路、ＡＤ変換回路、ガンマ補正回路など）、電位レベル変換回路（電源回路（昇圧回路、降圧回路など）、信号の電位レベルを変えるレベルシフタ回路など）、電圧源、電流源、切り替え回路、増幅回路（信号振幅又は電流量などを大きく出来る回路、オペアンプ、差動増幅回路、ソースフォロワ回路、バッファ回路など）、信号生成回路、記憶回路、制御回路など）が、ＸとＹとの間に１個以上接続されることが可能である。なお、一例として、ＸとＹとの間に別の回路を挟んでいても、Ｘから出力された信号がＹへ伝達される場合は、ＸとＹとは機能的に接続されているものとする。なお、ＸとＹとが機能的に接続されている場合は、ＸとＹとが直接的に接続されている場合と、ＸとＹとが電気的に接続されている場合とを含むものとする。

なお、ＸとＹとが電気的に接続されている、と明示的に記載されている場合は、ＸとＹとが電気的に接続されている場合（つまり、ＸとＹとの間に別の素子又は別の回路を挟んで接続されている場合）と、ＸとＹとが機能的に接続されている場合（つまり、ＸとＹとの間に別の回路を挟んで機能的に接続されている場合）と、ＸとＹとが直接接続されている場合（つまり、ＸとＹとの間に別の素子又は別の回路を挟まずに接続されている場合）とが、本明細書等に開示されているものとする。つまり、電気的に接続されている、と明示的に記載されている場合は、単に、接続されている、とのみ明示的に記載されている場合と同様な内容が、本明細書等に開示されているものとする。

また、図面上は独立している構成要素同士が電気的に接続しているように図示されている場合であっても、１つの構成要素が、複数の構成要素の機能を併せ持っている場合もある。例えば配線の一部が電極としても機能する場合は、一の導電膜が、配線の機能と電極の機能を両方併せ持っている。したがって、本明細書における電気的に接続とは、このような、一の導電膜が、複数の構成要素の機能を併せ持っている場合も、その範疇に含める。

（実施の形態１）
本実施の形態では、本発明の一態様に係る仮想現実提供システムについて説明する。

＜仮想現実提供システムの構成例＞
図１に、仮想現実提供システム１０の構成例を示す。なお、仮想現実提供システム１０は、表示部２０、計測部３０、及び制御部４０を有し、制御部４０は、ニューラルネットワーク（ＮＮ）５０と、信号生成部７０と、を有する。また、制御部４０は、演算処理装置８０等を有していても良い。

仮想現実提供システム１０では、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態を計測部３０が測定し、測定されたデータを基にニューラルネットワーク５０が補正データを生成する。生成された補正データは、信号生成部７０の処理回路７３に入力される。なお、処理回路７３では、映像を表示するために表示パネルに入力されるデータが、補正データにより補正され、表示部２０に入力される。また、表示部２０は、表示パネルを有している。

なお、仮想現実提供システム１０における表示部２０および制御部４０は、いずれも半導体装置によって構成することができる。また、表示部２０を構成する表示パネルには、液晶素子や発光素子を用いることができる。また、制御部４０に含まれる回路は、１つの集積回路に集約することができる。

［表示部２０の構成例］
表示部２０は、表示パネルを有する。表示パネルはそれぞれ、信号生成部７０から入力される、所定の映像を表示するための信号（以下、映像信号または画像信号ともいう）に基づいて、映像を表示する機能を有する。

また、表示パネルは、複数の画素によって構成された画素部、及び駆動回路（ゲート線駆動回路、ソース線駆動回路）を有する。

画素はそれぞれ表示素子を有し、所定の階調を表示する機能を有する。そして、駆動回路及び駆動回路から出力される信号により画素の階調が制御され、画素部に所定の映像が表示される。

画素に設けられる表示素子としては、発光素子や液晶素子が挙げられる。発光素子の例としては、ＯＬＥＤ（Ｏｒｇａｎｉｃ　Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）、ＬＥＤ（Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）、ＱＬＥＤ（Ｑｕａｎｔｕｍ−ｄｏｔ　Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）、半導体レーザなどの、自発光性の発光素子が挙げられる。

なお、画素部に設けられる画素の数は、自由に設定することができる。例えば、表示部に４Ｋ２Ｋの映像を表示する場合は、Ｎ×Ｍ個の表示パネルに合計で３８４０×２１６０個以上、又は４０９６×２１６０個以上の画素を設けることが好ましい。また、８Ｋ４Ｋの映像を表示する場合は、合計で７６８０×４３２０個以上の画素を設けることが好ましい。また、画素部にはさらに多くの画素を設けることもできる。

画素はそれぞれ、配線（ＳＬ）及び配線（ＧＬ）と接続されている。また、配線（ＧＬ）はそれぞれ駆動回路（ゲート線駆動回路）と接続され、配線（ＳＬ）はそれぞれ駆動回路（ソース線駆動回路）と接続されている。

駆動回路は、画素を選択するための信号（以下、選択信号ともいう）を画素に供給する機能を有する。具体的には、駆動回路は、配線（ＧＬ）に選択信号を供給する機能を有し、配線（ＧＬ）は、駆動回路から出力された選択信号を画素に伝える機能を有する。なお、配線（ＧＬ）は、選択信号線、ゲート線などと呼ぶこともできる。

駆動回路は、映像信号を画素に供給する機能を有する。具体的には、駆動回路は、配線（ＳＬ）に映像信号を供給する機能を有し、配線（ＳＬ）は、駆動回路から出力された映像信号を画素に伝える機能を有する。なお、配線（ＳＬ）は、信号線、ソース線などと呼ぶこともできる。選択信号が供給された画素に映像（画像）信号が供給されることにより、画素に選択信号が書き込まれ、所定の階調が表示される。

［計測部３０の構成例］
図１に示す計測部３０は、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態を計測部３０が測定し、測定したデータを制御部４０のニューラルネットワーク５０に入力する機能を有する。計測部３０には、使用者６０の生理状態を示す情報（血圧、心拍数、発汗量、脳波等）をデータ化できる計測器を有する。計測器としては、血圧計、、心拍計、発汗計、脳波計等を用いることができる。また、計測部が、使用者６０の生理状態の情報に含まれる情報として、映像を見た際の使用者６０の動き（映像に反応した動き等）を測定する構成とすることもできる。この場合は、使用者６０の動きの映像をイメージセンサ（例えば、ＣＣＤイメージセンサ、ＣＭＯＳイメージセンサ等）、カメラ、その他センサを用いて測定し、位置情報や動きの速さ情報などをデータ化したものを用いればよい。

従って、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態を計測部３０により測定することができる。

［制御部４０の構成例］
図１に示す制御部４０は、ニューラルネットワーク（ＮＮ）５０と、信号生成部７０とを有する。ニューラルネットワーク５０は、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態に基づき、ＶＲ酔いを低減する表示を行うために映像信号を補正するためのデータを生成する機能を有し、信号生成部７０は、表示部に入力する映像信号を補正する機能を有する。なお、制御部４０の構成は、上記のみに限られることは無く、必要に応じて必要な回路を設けても良い。

＜ニューラルネットワークの構成例＞
制御部４０が有するニューラルネットワーク（ＮＮ）５０は、表示部２０に入力される映像データ（ＳＤ）を補正するための補正データ（ＮＳＤ）を出力する機能を有する。

なお、ニューラルネットワーク５０は、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態について計測部３０が測定した測定データ（ＤＤ）と表示部２０に入力した映像データ（ＳＤ）から、使用者６０のＶＲ酔いを低減させる映像表示を可能とする補正データ（ＮＳＤ）を処理回路７３に出力するための学習が施されている。

従って、表示部２０に入力されていた映像データ（ＳＤ）がニューラルネットワーク５０に入力されると、ニューラルネットワーク５０は推論を行い、補正データ（ＮＳＤ）を出力する。

従って、ニューラルネットワーク５０から処理回路７３に補正データ（ＮＳＤ）が入力されると、映像データ（ＳＤ）が処理回路７３で補正され、補正された映像データ（ＳＤ’）が、表示部２０に供給される。

ここで、ニューラルネットワーク５０が有する学習機能について説明する。ニューラルネットワーク５０は、図２（Ａ）に示すように、ニューロン回路（ＮＣ）３２と、ニューロン回路間に設けられたシナプス回路（ＳＣ）３１により構成される。

シナプス回路（ＳＣ）３１には、入力データｘ_１~ｘ_Ｌ（Ｌは自然数）が入力される。また、シナプス回路３１は、重み係数ｗ_ｋ（ｋは１以上Ｌ以下の整数）を記憶する機能を有する。重み係数ｗ_ｋは、ニューロン回路（ＮＣ）３２間の結合の強さに対応する。

シナプス回路３１に入力データｘ_１~ｘ_Ｌが入力されると、ニューロン回路３２には、シナプス回路３１に入力された入力データｘ_ｋと、シナプス回路３１に記憶された重み係数ｗ_ｋとの積（ｘ_ｋｗ_ｋ）を、ｋ＝１~Ｌについて足し合わせた値（ｘ_１ｗ_１＋ｘ_２ｗ_２＋…＋ｘ_Ｌｗ_Ｌ）、すなわち、ｘ_ｋとｗ_ｋを用いた積和演算によって得られた値が供給される。この値がニューロン回路３２の閾値θを超えた場合、ニューロン回路３２はハイレベルの信号を出力する。この現象を、ニューロン回路３２の発火と呼ぶ。

図２（Ｂ）には、ニューロン回路３２とシナプス回路３１を用いて、階層型パーセプトロンを構成するニューラルネットワーク５０のモデルを示す。なお、ニューラルネットワーク５０は、入力層（ＩＬ）３３、隠れ層（中間層：ＨＬ）３４、出力層（ＯＬ）３５を有する。

入力層３３から、入力データｘ_１~ｘ_Ｌが出力される。隠れ層３４は、隠れシナプス回路（ＨＳ）３６、隠れニューロン回路（ＨＮ）３７を有する。出力層３５は、出力シナプス回路（ＯＳ）３８、出力ニューロン回路（ＯＮ）３９を有する。

隠れニューロン回路３７には、入力データｘ_ｋと、隠れシナプス回路３６に保持された重み係数ｗ_ｋと、を用いた積和演算によって得られた値が供給される。そして、出力ニューロン回路３９には、隠れニューロン回路３７の出力と、出力シナプス回路３８に保持された重み係数ｗ_ｋを用いた積和演算によって得られた値が供給される。そして、出力ニューロン回路３９から、出力データｙ_１~ｙ_Ｌが出力される。

このように、所定の入力データが与えられたニューラルネットワーク５０は、シナプス回路３１に保持された重み係数ｗ_ｋと、ニューロン回路３２の閾値θに応じた値を、出力データとして出力する機能を有する。

また、ニューラルネットワーク５０は、教師データの入力によって教師あり学習を行うことができる。図２（Ｃ）には、誤差逆伝播法を利用して教師あり学習を行うニューラルネットワーク５０のモデルを示す。

誤差逆伝播法は、ニューラルネットワーク５０の出力データと教師信号の誤差が小さくなるように、シナプス回路３１の重み係数ｗ_ｋを変更する方式である。具体的には、出力データｙ_１~ｙ_Ｌと教師データｔ_１~ｔ_Ｌに基づいて決定される誤差δ_Ｏに応じて、隠れシナプス回路３６の重み係数ｗ_ｋが変更される。また、隠れシナプス回路３６の重み係数ｗ_ｋの変更量に応じて、さらに前段のシナプス回路３１の重み係数ｗ_ｋが変更される。このように、教師データｔ_１~ｔ_Ｌに基づいて、シナプス回路３１の重み係数ｗ_ｋを順次変更することにより、ニューラルネットワーク５０の学習を行うことができる。

なお、図１に示す仮想現実提供システムにおいて、上述したニューラルネットワーク５０の誤差δ_Ｏは、計測器３０で測定された測定データ（ＤＤ）と、補正前の映像データ（放送信号をデコードすることにより取得した映像データ）（ＳＤ）（教師データ）に基づいて決定することができる。

なお、図２（Ｂ）、（Ｃ）には１層の隠れ層３４を示しているが、隠れ層３４の層数は２以上とすることができる。隠れ層３４を２層以上有するニューラルネットワーク（ディープニューラルネットワーク（ＤＮＮ））を用いることにより、深層学習（ディープラーニング）を行うことができる。これにより、階調の補正の精度を高めることができる。

本実施の形態に示すニューラルネットワーク５０には、使用者６０のＶＲ酔いを低減させるために、映像データ（ＳＤ）を補正する機能が、学習によって付加されている。そして、ニューラルネットワーク５０に映像データ（ＳＤ）が入力されると、各層において演算処理が行われる。各層における演算処理は、前層が有するニューロン回路の出力と重み係数との積和演算などにより実行される。なお、層と層との結合は、全てのニューロン回路同士が結合する全結合としてもよいし、一部のニューロン回路同士が結合する部分結合としてもよい。そして、演算結果は補正データ（ＮＳＤ）として出力層ＯＬから出力される。これにより、映像データ（ＳＤ）が映像データ（ＳＤ’）に補正される。

図３には、ニューラルネットワーク５０により、映像データ（ＳＤ）の補正データの出力が行われる様子を示す。なお、複数のニューラルネットワーク５０を用いた並列処理を行うこともでき、この場合は映像データ（ＳＤ）の補正を高速に行うことができる。

ニューラルネットワーク５０の出力層（ＯＬ）３５から、補正データ（ＮＳＤ）が出力され、処理回路７３に出力される。このように、ニューラルネットワーク５０で補正された補正データ（ＮＳＤ）を用いることにより、使用者６０のＶＲ酔いを低減させた映像を表示することができる。

また、ニューラルネットワーク５０の数は特に限定されず、自由に設定することができる。なお、ニューラルネットワーク５０が一つの場合には、ニューラルネットワーク５０には映像データ（ＳＤ）が入力され、推論が行われる。このとき、ニューラルネットワーク５０には映像データ（ＳＤ）の補正処理として重み係数が入力され、映像データ（ＳＤ）の補正には重み係数（ｗ）が用いられる。

ここではニューラルネットワーク５０を１つ用いる場合について説明したが、複数のニューラルネットワークを有し、各ニューラルネットワークに複数のデータが順次入力される構成とすることもできる。この場合、データが順次入力されるため、重み係数の切り替えは高速に行うことが好ましい。重み係数の切り替えに好適な構成については、公知の方法を適宜組み合わせて用いることができる。

次に、ニューラルネットワーク５０の動作例について説明する。ここでは、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態について計測部３０が測定した測定データ（ＤＤ）と、表示部２０に入力された映像データ（ＳＤ）とが、ニューラルネットワーク５０に入力され、使用者６０のＶＲ酔いを低減させるための重み係数が設定された補正データ（ＮＳＤ）がニューラルネットワーク５０から処理回路７３に出力される。以下にニューラルネットワーク５０の学習時における動作例について図４を用いて説明する。

まず、ニューラルネットワーク５０に映像データ（ＳＤ）が入力される（ステップＳ１）。このとき、ニューラルネットワーク５０は学習前の状態であり、重み係数の初期値に応じた補正データ（ＮＳＤ）がニューラルネットワーク５０から処理回路７３に出力される。なお、映像データ（ＳＤ）は、映像Ａに対応する映像信号であるとする。

そして、補正データ（ＮＳＤ）により補正された映像データ（ＳＤ’）が処理回路７３から表示部２０に供給され、表示部２０に映像Ｂが表示される（ステップＳ２）。

ここで、映像Ｂを表示した際、表示部２０で表示された映像（画像を含む）を見た使用者６０にＶＲ酔いが生じる場合がある。このＶＲ酔いは、使用者６０の生理状態を示すパラメータ（血圧、心拍数、発汗量、脳波等）について測定した測定データ（ＤＤ）に基づき、ＶＲ酔いの程度を評価することができる。従って、ＶＲ酔いの程度は、計測部３０が測定した測定データ（ＤＤ）に含まれる（ステップＳ３）。

映像Ｂを表示した際、表示部２０で表示された映像（画像を含む）を見た使用者６０にＶＲ酔いが生じる場合は、ニューラルネットワーク５０の学習を行う。具体的には、まず、映像データ（ＳＤ）がニューラルネットワーク５０に入力される（ステップＳ４）。ニューラルネットワーク５０の入力層３３に映像データ（ＳＤ）が供給され、測定データ（ＤＤ）の値が所望の値（ＶＲ酔いを生じない範囲の値）になるように、すなわち表示部２０に表示された映像Ｂを見た使用者６０の生理状態を計測部３０が測定した測定データ（ＤＤ）が、所望の範囲の値（予め測定されているＶＲ酔いを生じない範囲の値）になるように、ニューラルネットワーク５０の重み係数が更新される（ステップＳ５）。重み係数の更新には、誤差逆伝播方式などを用いることができる。

重み係数の更新に伴い、ニューラルネットワーク５０から出力される補正データ（ＮＳＤ）も更新される。また、補正データ（ＮＳＤ）の更新によって測定データ（ＤＤ）が更新される。そして、更新後の測定データ（ＤＤ）に基づき、さらに重み係数を更新する。

上記の重み係数の更新は、測定データ（ＤＤ）の値が所望の範囲の値（予め測定されているＶＲ酔いを生じない範囲の値）になるまで繰り返される。また、誤差の許容範囲は自由に設定することができる。そして、最終的に測定データ（ＤＤ）が所望の範囲の値（予め測定されているＶＲ酔いを生じない範囲の値）になると、ニューラルネットワーク５０の学習が終了する（ステップＳ６でＹＥＳ）。そして、このときのニューラルネットワーク５０の重み係数Ｗが、学習結果として得られる。

なお、ニューラルネットワーク５０の重み係数の初期値は、乱数によって決定してもよい。なお、重み係数の初期値は学習速度（例えば、重み係数の収束速度、ニューラルネットワーク５０の予測精度など）に影響を与える場合があるため、学習速度が遅い場合は、重み係数の初期値を変更してもよい。

その後、他の映像を用いて学習を続ける場合は（ステップＳ７でＮＯ）、ステップＳ１以降の動作を繰り返す。そして、すべての映像で学習が完了すると（ステップＳ７でＹＥＳ）、ニューラルネットワーク５０の学習が終了する。

なお、上記のニューラルネットワーク５０の学習は、制御部４０の内部（または外部）に設けられた演算処理装置８０（図１）などを用いて行うことができる。演算処理装置８０としては、専用サーバやクラウドなどの演算処理能力の優れた計算機を用いることができる。演算処理装置８０にニューラルネットワーク５０に対応するソフトウェアを搭載することにより、ニューラルネットワーク５０の学習を、演算処理装置８０を用いてソフトウェア上で行うことができる。そして、ソフトウェアを用いた学習によって得られた重み係数Ｗを、ニューラルネットワーク５０に供給することにより、ニューラルネットワーク５０に学習結果を反映させることができる。

ニューラルネットワーク５０に対応するソフトウェアを構成するためには、例えば、階層型パーセプトロンを用い、ニューラルネットワーク５０と階層数、及び各階層が有するニューロンの個数が等しいニューラルネットワークをソフトウェア上に構築する等の方法を用いることができる。

なお、上記のニューラルネットワーク５０の学習は、複数のニューラルネットワーク５０に映像データ（ＳＤ）を入力する並列処理によって行ってもよいし、一のニューラルネットワーク５０に映像データ（ＳＤ）を順次入力して行っても良い。

次に、上記の学習を行ったニューラルネットワーク５０が、推論を行う場合の動作例について図５を用いて説明する。なお、推論の際は、上記の学習によって得られた重み係数Ｗがニューラルネットワーク５０に格納されているとする。

まず、信号生成部７０の処理回路７３によって生成された映像データ（ＳＤ）がニューラルネットワーク５０に入力される（ステップＳ１１）。そして、ニューラルネットワーク５０は映像データ（ＳＤ）を入力データとして推論を行い、映像データ（ＳＤ）を補正するための補正データ（ＮＳＤ）を生成する（ステップＳ１２）。

ここで、ニューラルネットワーク５０は、映像Ｂを見た際の使用者のＶＲ酔いを低減させるように学習されている。そのため、ニューラルネットワーク５０の推論によって得られた補正データ（ＮＳＤ）が処理回路７３に入力され、さらに処理回路７３から補正されたデータ（ＳＤ’）が表示部２０に出力されると（ステップＳ１３）、使用者のＶＲ酔いが低減された映像が表示される（ステップＳ１４）。

以上のように、本実施の形態で示す仮想現実提供システムの構成では、ニューラルネットワーク５０を用いて映像データ（ＳＤ）を補正することにより、使用者の生理状態に応じてＶＲ酔いを低減する映像表示を行うことを特徴とする。

＜信号生成部の構成例＞
制御部４０が有する信号生成部７０は、外部から入力されたデータに基づいて映像信号を生成する機能を有する。信号生成部７０は、フロントエンド部（ＦＥ）７１、デコーダ（ＤＥＣ）７２、処理回路（ＰＣ）７３、受信部（ＲＣＶ）７４、インターフェース（ＩＦ）７５、及び制御回路（ＣＴＲＬ）７６を有する。

フロントエンド部７１は、外部から入力される信号を受信し、適宜信号処理を行う機能を有する。フロントエンド部７１には、例えば、所定の方式で符合化され、変調された放送信号などが入力される。フロントエンド部７１は、受信した映像信号の復調、アナログ−デジタル変換などを行う機能を備えることができる。また、フロントエンド部７１はエラー訂正を行う機能を有していてもよい。フロントエンド部７１によって受信され、信号処理が施されたデータは、デコーダ７２に出力される。

デコーダ７２は、符号化された信号を復号する機能を有する。フロントエンド部７１に入力された放送信号に含まれる映像データが圧縮されている場合、デコーダ７２によって伸長が行われる。例えば、デコーダ７２は、エントロピー復号、逆量子化、逆離散コサイン変換（ＩＤＣＴ）や逆離散サイン変換（ＩＤＳＴ）などの逆直交変換、フレーム内予測、フレーム間予測などを行う機能を備えることができる。

なお、８Ｋ／４Ｋテレビ放送における符号化規格には、Ｈ．２６５／ＭＰＥＧ−Ｈ　Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ（以下、ＨＥＶＣという）が採用されている。フロントエンド部７１に入力される放送信号に含まれる映像データがＨＥＶＣに従って符号化されている場合には、デコーダ７２によってＨＥＶＣに従った復号（デコード）が行われる。

デコーダ７２による復号処理により生成された映像データ（ＳＤ）は、ニューラルネットワーク５０と処理回路７３にそれぞれ出力される。

なお、処理回路７３は、デコーダ７２から入力された映像データ（ＳＤ）を、ニューラルネットワーク５０から入力された補正データ（ＮＳＤ）に基づくフレーム周波数に変換する機能を有する。すなわち、使用者６０が表示部２０で表示された映像（画像を含む）を見た際に、使用者６０のＶＲ酔いを低減するように、映像データ（ＳＤ）を補正し、表示部２０に補正した映像データ（ＳＤ’）を入力する機能を有する。例えば、使用者の感覚よりも映像速度が速いことに起因してＶＲ酔いが生じていると、ニューラルネットワーク５０が生体情報から判断し、それに基づく補正データ（ＮＳＤ）が送られた場合には、映像データ（ＳＤ）に対して映像速度を遅くするための処理（フレーム周波数を落とす処理）を行い、また、使用者の感覚よりも映像速度が遅いことに起因してＶＲ酔いが生じていると、ニューラルネットワーク５０が生体情報から判断し、それに基づく補正データ（ＮＳＤ）が送られた場合には、映像データ（ＳＤ）に対して映像速度を早くするための処理（フレーム周波数を上げる処理）を行うことができる。

また、映像速度を変える構成において、通常の表示の場合は消費電力削減のためフレーム周波数を落として映像表示を行い、使用者の動きが早かった場合など大きく表示内容が変化する場合はフレーム周波数を上げ、使用者の動作に映像が追従するようにしてＶＲ酔いを抑える構成とすることもできる。

なお、処理回路７３において、映像速度を早くする場合または遅くする場合のいずれにも変更可能にするために、デコーダ７２から入力される映像データ（ＳＤ）は、信号生成部７０において処理可能な最大の周波数にしておくことが好ましい。

処理回路７３は、映像速度のフレーム周波数のアップコンバートに伴うフレーム間補間処理などを実行する機能を有していてもよい。また、解像度のアップコンバートに伴う画素間補間処理を行う機能有していても良い。その他にも処理回路７３は、データの分割や、映像処理を行う機能を有していてもよい。映像処理の例としては、ノイズ除去処理、階調変換処理、色調補正処理、輝度補正処理などが挙げられる。色調補正処理や輝度補正処理は、ガンマ補正などを用いて行うことができる。

フレーム間補間処理は、表示する映像のフレーム周波数を増大させる場合に、本来存在しないフレーム（補間フレーム）の画像を生成する。例えば、ある２枚の画像の差分から２枚の画像の間に挿入する補間フレームの画像を生成する。または２枚の画像の間に複数枚の補間フレームの画像を生成することもできる。例えば画像データのフレーム周波数が６０Ｈｚであったとき、複数枚の補間フレームを生成することで、表示部２０に出力される画像信号のフレーム周波数を、２倍の１２０Ｈｚ、または４倍の２４０Ｈｚ、または８倍の４８０Ｈｚなどに増大させることができる。

画素間補間処理は、解像度をアップコンバートした際に、本来存在しないデータを補間する処理である。例えば、目的とする画素の周囲にある画素を参照し、それらの中間色を表示するようにデータを補間する。

ノイズ除去処理としては、文字などの輪郭の周辺に生じるモスキートノイズ、高速の動画で生じるブロックノイズ、ちらつきを生じさせるランダムノイズ、解像度のアップコンバートにより生じるドットノイズなどのさまざまなノイズの除去が挙げられる。

階調変換処理は、データ（ＳＤｄｉｖ）が示す階調を表示部２０の出力特性に対応した階調へ変換する処理である。例えば階調数を大きくする場合、小さい階調数で入力された映像に対して、各画素に対応する階調値を補間して割り当てることで、ヒストグラムを平滑化する処理を行うことができる。また、ダイナミックレンジを広げる、ハイダイナミックレンジ（ＨＤＲ）処理も、階調変換処理に含まれる。

色調補正処理は、映像の色調を補正する処理である。また輝度補正処理は、映像の明るさ（輝度コントラスト）を補正する処理である。例えば、表示部２０が設けられる空間の照明の種類や輝度、または色純度などに応じて、表示部２０に表示される映像の輝度や色調が最適となるように補正される。

受信部７４は、外部から入力されるデータ又は制御信号を受信する機能を有する。受信部７４へのデータ又は制御信号の入力には、リモートコントローラ、携帯情報端末（スマートフォンやタブレットなど）、表示部２０に設けられた操作ボタンなどを用いることができる。

インターフェース７５は、受信部７４が受信したデータ又は制御信号に適宜信号処理を施し、制御回路７６に出力する機能を有する。

制御回路７６は、信号生成部７０が有する各回路に制御信号を供給する機能を有する。例えば、制御回路７６は、デコーダ７２、又は処理回路７３に制御信号を供給する機能を有する。制御回路７６による制御は、受信部７４が受信した制御信号などに基づいて行うことができる。

以上のように、本発明の一態様では、表示部２０で表示された映像（画像を含む）を見た際の使用者６０の生理状態に応じて人工知能を用いて補正された映像信号を表示部２０に供給することにより、使用者６０のＶＲ酔いを低減することができる。

なお、本実施の形態に示す構成は、他の実施の形態に示した構成と適宜組み合わせて用いることができる。

（実施の形態２）
本実施の形態では、本発明の一態様である仮想現実提供システムを構成する、表示部２０（図１参照）に含まれる表示パネルの画素部及び駆動回路、制御部４０（例えば、ニューラルネットワーク（ＮＮ）５０）、及び信号生成部７０（例えば、処理回路や制御回路）等に適用できるトランジスタの具体的な構成例について図６を用いて説明する。

図６（Ａ）~（Ｅ）に示すトランジスタは、半導体層４３２に金属酸化物を用いたＯＳトランジスタである。ＯＳトランジスタを用いる場合、画像に変化がない期間、又は変化が一定以下である期間において、画像信号の更新の頻度を極めて低く設定することができ、消費電力の削減を図ることができる。

図６（Ａ）に示すトランジスタは、半導体層４３２のチャネル形成領域上に、絶縁層４８４が設けられている。絶縁層４８４は、半導体層４３２をエッチングする際のエッチングストッパーとして機能する。

図６（Ｂ）に示すトランジスタは、絶縁層４８４が、半導体層４３２を覆って絶縁層４３４上に延在している構成を有する。この場合、導電層４３３ａ及び導電層４３３ｂは、絶縁層４８４に設けられた開口を介して、半導体層４３２と接続される。

図６（Ｃ）に示すトランジスタは、絶縁層４８５、導電層４８６を有する。絶縁層４８５は、半導体層４３２、導電層４３３ａ、導電層４３３ｂを覆って設けられる。また、導電層４８６は絶縁層４８５上に設けられ、半導体層４３２と重なる領域を有する。

導電層４８６は、半導体層４３２を挟んで導電層４３１とは反対側に位置する。導電層４３１を第１のゲート電極とした場合、導電層４８６は、第２のゲート電極として機能することができる。導電層４３１と導電層４８６に同じ電位を与えることで、トランジスタのオン電流を高めることができる。また、導電層４３１と導電層４８６の一方にしきい値電圧を制御するための電位を与え、他方に駆動のための電位を与えることで、トランジスタのしきい値電圧を制御することができる。

図６（Ｄ）に示すトランジスタは、トップゲート構造のトランジスタであり、ゲート電極として機能する導電層４３１が、半導体層４３２よりも上側（被形成面側とは反対側）に設けられる。また、半導体層４３２上には、絶縁層４３４及び導電層４３１が積層して形成される。また、絶縁層４８２は、半導体層４３２の上面及び側端部、導電層４３１を覆って設けられる。導電層４３３ａ及び導電層４３３ｂは、絶縁層４８２上に設けられている。導電層４３３ａ及び導電層４３３ｂは、絶縁層４８２に設けられた開口を介して、半導体層４３２と接続される。

なお、ここでは絶縁層４３４が、導電層４３１と重ならない部分に存在しない場合の例を示すが、絶縁層４３４が半導体層４３２の上面及び側端部を覆って設けられていてもよい。

図６（Ｄ）に示すトランジスタは、導電層４３１と導電層４３３ａまたは導電層４３３ｂとの物理的な距離を離すことが容易なため、これらの間の寄生容量を低減することが可能である。

図６（Ｅ）に示すトランジスタは、図６（Ｄ）と比較して、導電層４８７及び絶縁層４８８を有している点で相違する。導電層４８７は半導体層４３２と重なる領域を有する。また、絶縁層４８８は、導電層４８７を覆って設けられる。

導電層４８７は、第２のゲート電極として機能する。そのため、オン電流を高める、またはしきい値電圧を制御することなどが可能である。

なお、図６（Ｄ）及び（Ｅ）に示すように、半導体層４３２は領域４３２ｎを有していてもよい。領域４３２ｎは、窒素又は水素を有する絶縁層４８２と接する領域を有する。そして、絶縁層４８２中の窒素または水素が領域４３２ｎに添加されることにより、領域４３２ｎがｎ型化される。この場合、領域４３２ｎはソース領域又はドレイン領域として機能する。なお、領域４３２ｎに含まれる窒素又は水素の濃度は、チャネル形成領域よりも高い。また、領域４３２ｎのキャリア密度は、チャネル形成領域よりも高い。

また、半導体層４３２は領域４３２ｊを有していてもよい。領域４３２ｊは、チャネル形成領域と、ソース領域又はドレイン領域との間の接合領域としての機能を有する。領域４３２ｊに含まれる窒素又は水素の濃度は、領域４３２ｎよりも低く、チャネル形成領域よりも高い。また、領域４３２ｊのキャリア密度は、領域４３２ｎよりも低く、チャネル形成領域よりも高い。

なお、その他の構成として、半導体層４３２にシリコンを含む半導体を用いたトランジスタを用いてもよい。シリコンを含む半導体としては、例えば、水素化アモルファスシリコン、微結晶シリコン、または多結晶シリコン等を用いることができる。

本実施の形態で示した、半導体層に金属酸化物を用いたＯＳトランジスタは、オフ電流が小さいため、表示部２０（図１参照）に含まれる表示パネルの画素部及び駆動回路、制御部４０（例えば、ニューラルネットワーク（ＮＮ）５０）、及び信号生成部７０（例えば、処理回路や制御回路）等に適用することで抵消費電力化を図ることができる。特に、多くのデータ処理を行うニューラルネットワーク（ＮＮ）５０にＯＳトランジスタを適用することは抵消費電力化の効果が大きいだけでなく、各層に記憶されたデータ保持におけるメモリ性が高いため、より好ましい。

（実施の形態３）
本実施の形態では、本発明の一態様である仮想現実提供システムを構成する表示部２０（図１参照）に適用可能な表示パネルの構成例について説明する。ここでは、表示パネルが、表示素子とトランジスタ（ＦＥＴ）とを組み合わせた構成を有するアクティブマトリクス型であり、表示素子として発光素子を有する場合の構成について図７を用いて説明する。なお、図７（Ａ）は表示パネル２１の上面図であり、図７（Ｂ）は図７（Ａ）を鎖線Ａ−Ａ’で切断した断面図である。

アクティブマトリクス型の表示パネルは、第１の基板３０１上に設けられた画素部３０２、駆動回路部（ソース線駆動回路）３０３と、駆動回路部（ゲート線駆動回路）（３０４ａ、３０４ｂ）を有する。画素部３０２および駆動回路部３０３、３０４ａ、３０４ｂ）は、シール材３０５によって、第１の基板３０１と第２の基板３０６との間に封止される。

また、第１の基板３０１上には、引き回し配線３０７が設けられる。引き回し配線３０７は、外部入力端子であるＦＰＣ３０８と接続される。なお、ＦＰＣ３０８は、駆動回路部（３０３、３０４ａ、３０４ｂ）に外部からの信号（例えば、ビデオ信号、クロック信号、スタート信号、リセット信号等）や電位を伝達する。また、ＦＰＣ３０８にはプリント配線基板（ＰＷＢ）が取り付けられていても良い。なお、これらＦＰＣやのＰＷＢが取り付けられた状態は、表示パネルに含まれる。

本発明の一態様である仮想現実提供システムでは、ＶＲ酔いを低減するためにニューラルネットワークから出力される補正信号により映像速度が使用者の生理状態に応じて変更される。従って、本実施の形態で説明した表示パネルに入力される映像信号は、使用者の生理状態に応じて変更される。そこで、表示パネルを構成する駆動回路の駆動周波数を変えることができる可変回路等を設けておくことが好ましい。

図７（Ｂ）に示す断面構造において、画素部３０２は、ＦＥＴ（スイッチング用ＦＥＴ）３１１、ＦＥＴ（電流制御用ＦＥＴ）３１２、およびＦＥＴ３１２と電気的に接続された第１の電極３１３を有する複数の画素により形成される。なお、各画素が有するＦＥＴの数は、特に限定されることはなく、必要に応じて適宜設けることができる。

ＦＥＴ３０９、３１０、３１１、３１２は、特に限定されることはなく、例えば、スタガ型や逆スタガ型などのトランジスタを適用することができる。また、トップゲート型やボトムゲート型などのトランジスタ構造であってもよい。

なお、これらのＦＥＴ３０９、３１０、３１１、３１２に用いることのできる半導体の結晶性については特に限定されず、非晶質半導体、結晶性を有する半導体（微結晶半導体、多結晶半導体、単結晶半導体、又は一部に結晶領域を有する半導体）のいずれを用いてもよい。なお、結晶性を有する半導体を用いることで、トランジスタ特性の劣化を抑制できるため好ましい。

また、これらの半導体としては、例えば、第１４族の元素、化合物半導体、酸化物半導体、有機半導体などを用いることができる。代表的には、シリコンを含む半導体、ガリウムヒ素を含む半導体、インジウムを含む酸化物半導体などを適用することができる。

駆動回路部３０３は、ＦＥＴ３０９とＦＥＴ３１０とを有する。なお、ＦＥＴ３０９とＦＥＴ３１０は、単極性（Ｎ型またはＰ型のいずれか一方のみ）のトランジスタを含む回路で形成されても良いし、Ｎ型のトランジスタとＰ型のトランジスタを含むＣＭＯＳ回路で形成されても良い。また、外部に駆動回路を有する構成としても良い。

第１の電極３１３の端部は、絶縁物３１４により覆われている。なお、絶縁物３１４には、ネガ型の感光性樹脂や、ポジ型の感光性樹脂（アクリル樹脂）などの有機化合物や、酸化シリコン、酸化窒化シリコン、窒化シリコン等の無機化合物を用いることができる。絶縁物３１４の上端部または下端部には、曲率を有する曲面を有するのが好ましい。これにより、絶縁部３１４の上層に形成される膜の被覆性を良好なものとすることができる。

第１の電極３１３上には、ＥＬ層３１５及び第２の電極３１６が積層され、第１の電極３１３、ＥＬ層３１５および第２の電極３１６により発光素子３１７が構成される。なお、ＥＬ層３１５は、発光層、正孔注入層、正孔輸送層、電子輸送層、電子注入層、電荷発生層等を有する。発光素子３１７には、公知の構成や公知の材料を適用することができる。

なお、ここでは図示しないが、第２の電極３１６は外部入力端子であるＦＰＣ３０８と電気的に接続されている。

また、図７（Ｂ）に示す断面図では発光素子３１７を１つのみ図示しているが、画素部３０２において、複数の発光素子がマトリクス状に配置されているものとする。画素部３０２には、３種類（Ｒ、Ｇ、Ｂ）の発光が得られる発光素子をそれぞれ選択的に形成し、フルカラー表示可能な発光装置を形成することができる。また、３種類（Ｒ、Ｇ、Ｂ）の発光が得られる発光素子の他に、例えば、ホワイト（Ｗ）、イエロー（Ｙ）、マゼンタ（Ｍ）、シアン（Ｃ）等の発光が得られる発光素子を形成してもよい。例えば、３種類（Ｒ、Ｇ、Ｂ）の発光が得られる発光素子に上述の数種類の発光が得られる発光素子を追加することにより、色純度の向上、消費電力の低減等の効果が得ることができる。また、カラーフィルタと組み合わせることによってフルカラー表示可能な発光装置としてもよい。なお、カラーフィルタの種類としては、赤（Ｒ）、緑（Ｇ）、青（Ｂ）、シアン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）等を用いることができる。

第１の基板３０１上のＦＥＴ（３０９、３１０、３１１、３１２）や、発光素子３１７は、第２の基板３０６と第１の基板３０１とをシール材３０５により貼り合わせることにより、第１の基板３０１、第２の基板３０６、およびシール材３０５で囲まれた空間３１８に備えられた構造を有する。なお、空間３１８は、不活性気体（窒素やアルゴン等）や有機物（シール材３０５を含む）で充填されていてもよい。

シール材３０５には、エポキシ系樹脂やガラスフリットを用いることができる。なお、シール材３０５には、できるだけ水分や酸素を透過しない材料を用いることが好ましい。

第１の基板３０１および第２の基板３０６には、ガラス基板や石英基板の他、ＦＲＰ（Ｆｉｂｅｒ−Ｒｅｉｎｆｏｒｃｅｄ　Ｐｌａｓｔｉｃｓ）、ＰＶＦ（ポリビニルフロライド）、ポリエステルまたはアクリル等からなるプラスチック基板を用いることができる。なお、シール材としてガラスフリットを用いる場合には、接着性の観点からガラス基板を用いることが好ましい。

また、アクティブマトリクス型の表示パネルに可撓性を持たせる場合、可撓性基板上にＦＥＴと発光素子とを直接形成しても良いが、剥離層を有する別の基板にＦＥＴと発光素子を形成した後、熱、力、レーザ照射などを与えることによりＦＥＴと発光素子を剥離層で剥離し、さらに可撓性基板に転載して作製しても良い。なお、剥離層としては、例えば、タングステン膜と酸化シリコン膜との無機膜の積層や、ポリイミド等の有機樹脂膜等を用いることができる。また可撓性基板としては、トランジスタを形成することが可能な上述した基板材料のうち可撓性を有するものに加え、紙基板、セロファン基板、アラミドフィルム基板、ポリイミドフィルム基板、布基板（天然繊維（絹、綿、麻）、合成繊維（ナイロン、ポリウレタン、ポリエステル）若しくは再生繊維（アセテート、キュプラ、レーヨン、再生ポリエステル）などを含む）、皮革基板、又はゴム基板などが挙げられる。これらの基板を用いることにより、耐久性や耐熱性に優れ、軽量化および薄型化を図ることができる。

本実施の形態では、仮想現実提供システムの表示部に適用可能な表示パネルの構成として、発光素子を表示素子として用い、トランジスタ（ＦＥＴ）とを組み合わせたアクティブマトリクス型の表示パネルについて説明したが、本発明は、これに限られることは無く、表示素子として液晶素子を用いることもできる。

（実施の形態４）
本実施の形態では、本発明の一態様である仮想現実提供システムの表示部に適用可能なヘッドマウントディスプレイ（ＨＭＤ）について、図８を用いて説明する。

図８（Ａ）（Ｂ）（Ｃ）は、ＨＭＤ８３００の外観を示す図である。ＨＭＤ８３００は、筐体８３０１と、表示部８３０２と、バンド状の固定具８３０４と、一対のレンズ８３０５と、を有する。

使用者は、レンズ８３０５を通して、表示部８３０２の表示を視認することができる。なお、表示部８３０２を湾曲して配置させると好適である。表示部８３０２を湾曲して配
置することで、使用者が高い臨場感を感じることができる。なお、本実施の形態では、表示部８３０２を１つ設ける構成について示したが、これに限定されず、例えば、表示部８３０２を２つ設ける構成としてもよい。なお、この場合、使用者の片方の目に１つの表示部が配置されるような構成とすると、視差を用いた３次元表示等を行うことも可能となる。

なお、本発明の一態様である、仮想現実提供システムにおいて、ＨＭＤ８３００のレンズ８３０５を通して表示部８３０２を見た際の使用者の生理状態に応じて、ニューラルネットワークにより補正された映像を表示することにより、使用者のＶＲ酔いを低減することができる。

本実施の形態は、他の実施の形態に示す構成と適宜組み合わせることができる。

１０：仮想現実提供システム、２０：表示部、３０：計測部、３１：シナプス回路（ＳＣ）、３２：ニューロン回路（ＮＣ）、３３：入力層（ＩＬ）、３４：隠れ層（中間層：ＨＬ）、３５：出力層（ＯＬ）、３６：隠れシナプス回路（ＨＳ）、３７：隠れニューロン回路（ＨＮ）、３８：出力シナプス回路（ＯＳ）、３９：出力ニューロン回路（ＯＮ）、５０：ニューラルネットワーク、６０：使用者、７０：信号生成部、７１：フロントエンド部（ＦＥ）、７２：デコーダ（ＤＥＣ）、７３：処理回路（ＰＣ）、７４：受信部（ＲＣＶ）、７５：インターフェース（ＩＦ）、７６：制御回路（ＣＴＲＬ）、８０：演算処理装置、３０１：第１の基板、３０２：画素部、３０３：駆動回路部（ソース線駆動回路）、３０４ａ、３０４ｂ：駆動回路部（ゲート線駆動回路）、３０５：シール材、３０６：第２の基板、３０７：引き回し配線、３０８：ＦＰＣ、３０９：ＦＥＴ、３１０：ＦＥＴ、３１１：ＦＥＴ、３１２：ＦＥＴ、３１３：第１の電極、３１４：絶縁物、３１５：ＥＬ層、３１６：第２の電極、３１７：発光素子、３１８：空間、４１１：基板、４３１：導電層、４３２：半導体層、４３２ｊ：領域、４３２ｎ：領域、４３３ａ：導電層、４３３ｂ：導電層、４３４：絶縁層、４８２：絶縁層、４８４：絶縁層、４８５：絶縁層、４８６：導電層、４８７：導電層、４８８：絶縁層、８３００：ヘッドマウントディスプレイ、８３０１：筐体、８３０２：表示部、８３０４：固定具、８３０５：レンズ

Claims

　表示部と、制御部とを有し、
　前記表示部は、映像を表示することによって仮想現実を使用者に提供し、
　前記制御部は、ニューラルネットワークを有し、
　前記ニューラルネットワークは、学習内容に基づき、前記使用者の生理状態に応じて、酔いを低減する補正データを出力し、
　前記制御部は、前記補正データに基づき、前記映像を補正して前記表示部に表示させる仮想現実提供システム。
　表示部と、制御部、計測部と、を有し、
　前記表示部は、第１のデータに基づく映像を表示することによって仮想現実を使用者に提供し、
　前記制御部は、ニューラルネットワークを有し、
　前記計測部は、前記映像を見た際の前記使用者の生理状態に基づく第２のデータを測定し、
　前記ニューラルネットワークは、前記第１のデータと前記第２のデータに基づき、前記使用者の生理状態に応じて、酔いを低減する第３のデータを出力し、
　前記制御部は、前記第３のデータに基づき、前記映像を補正して前記表示部に表示させる仮想現実提供システム。
　請求項２において、
　前記ニューラルネットワークは、前記第１のデータと前記第２のデータに基づき、前記ニューラルネットワークの重みを更新して、酔いを低減する第３のデータを出力し、前記第３のデータに基づき、前記映像を補正することにより学習を行う仮想現実提供システム。
　請求項２または請求項３において、
　前記計測部は、前記使用者の血圧、心拍数、発汗量または脳波のいずれかを測定することを特徴とする仮想現実提供システム。
　表示部と、制御部とを有し、
　前記制御部は、ニューラルネットワークを有し、
　前記ニューラルネットワークは、学習内容に基づき、前記使用者の生理状態に応じて、酔いを低減する補正データを出力し、
　前記表示部は、前記補正データに基づき補正された映像を表示する仮想現実提供システム。
　請求項１乃至請求項５のいずれか一において、
前記使用者は、血圧、心拍数、発汗量または脳波の測定により生理状態がモニタされる仮想現実提供システム。