跳到主要内容
检索

# 脑电图像重建

2 篇关联报道

订阅更新
  1. arXiv

    脑电重建图像不再只靠对齐:让图像教师监督去噪过程,THINGS-EEG七项指标全面超过同骨干基线

    脑电到图像重建长期靠把脑电对齐到预训练视觉嵌入,再以此条件驱动生成器。该工作用检索实验说明,对齐变好并不等于重建变好:检索指标最多提升77,高层重建指标增益有限,低层保真度没有一致改善。为此先训练一个以DINOv2特征为条件的图像教师,把固定的编码器特征转成去噪过程中的中间表示,再让脑电条件的学生生成器在去噪时对齐这些动态目标,推理时丢弃教师。在THINGS-EEG十个被试上,该方法在全部七项指标上优于同一Brain-HiVE嵌入、无表示对齐的SiT-XL/2基线。

  2. arXiv

    未见受试者的脑电也能重建图像:SPSC只用无标签批次统计,CLIP从0.552升到0.713

    跨受试者脑电到图像重建此前依赖源受试者学到的语义嵌入,遇到未标注的新受试者时,这些嵌入会偏离图像嵌入流形。SPSC在训练端用物体掩码对比正则保留同一物体概念的语义邻域,在推理端用图像原型的主成分子空间和无标签目标脑电批次统计挑选语义候选。在THINGS-EEG十名受试者的留一受试者评估中,重建的CLIP得分从0.552升到0.713,Alex.5从0.612升到0.745。

已读完全部报道