人間は五感から情報を受け取ることである。そのうちは視覚と聴覚を通じて受け取る情報量は約全体の90%程度だ。例えば、映画を見る時に人間の脳は同時に映像とBGMの刺激を受け入れ、観客は現場にいるように気分になる。そのような音声と映像或いは画像を使う同時に私たちに視覚情報と聴覚情報を伝える技術は今よく利用されている。

また、人間は視覚情報や聴覚情報を受け入れるときにその情報の影響で特定の心理あるいは生理上の反応を行う。例えば、「赤」と言う色を見た時に「血」や「唐辛子」など物事を想像すると興奮になる。同じくリズムが早いディスク曲を聞くときにも、ドキドキな踊りように興奮になる。別々のルートで脳に刺激するが、同じような生理現象を起こる。不思議な事ではありませんか。

ここで視覚情報の「赤色」と聴覚の「早リズム」は二種類の言葉の二つ同じ意味を示す単語として理解してください。もしこの二つ「言葉」は「同時通訳」をできるなら、いわゆる画像と音楽を自由変換できる技術を実現できれば、われわれの人間社会にはどんな影響されるんでしょう。

現代社会のマルチメディア及びコンピューターシステム技術の高度発展より、この技術の実現の可能性は高くになった。本論文はこれまでの関連新技術の開発文献を調べより、画像と音楽を変換する技術[1]について分析する。特にその技術を実現の意味、価値と実現の可能性に中心をして二つポイントを分けて論議している。