研究人员开发了一种方法，通过用合成数据增强有限的fMRI数据集来改进脑部图像解码。他们利用TRIBE v2，一个在超过1000小时fMRI响应上训练的大型模型，来生成这些合成数据。在两个数据集上的实验显示，与仅使用真实数据相比，图像检索准确率提高了68%，证明了大型模型在脑部解码任务中提高数据效率的潜力。 AI
影响 提高了脑部解码任务的数据效率，可能为神经科学和AI带来新应用。
排序理由 这是一篇研究论文，详细介绍了一种使用合成数据增强来改进脑部图像解码的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.06345v1 Announce Type: cross Abstract: Brain decoding is limited by the availability of labeled neural data, and remains challenging in low-data regimes. To address this issue, we investigate whether and when brain decoding can be boosted by augmenting small fMRI datas…
Brain decoding is limited by the availability of labeled neural data, and remains challenging in low-data regimes. To address this issue, we investigate whether and when brain decoding can be boosted by augmenting small fMRI datasets with synthetic data generated by a pretrained …