human visual cortex
PulseAugur coverage of human visual cortex — every cluster mentioning human visual cortex across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI视频生成更好地与人眼视觉皮层对齐
研究人员开发了一种新方法，通过将视频生成模型的内部表征与人眼视觉皮层活动进行比较来评估模型。他们发现，自回归（AR）视频扩散模型在生成未来视频帧时，比处理观察视频的模型更能与人眼视觉皮层对齐。与用于观察视频重建的低阶区域相比，这种对齐在未来生成中更高阶的视觉皮层区域更为明显。一项人类行为实验进一步支持了这些发现，显示出人们更偏好通过放大与视觉皮层活动更匹配的层来生成的视频。
-
AI预测视觉特征以创建与大脑一致的场景表征
研究人员开发了一种名为 Glimpse Prediction Networks (GPNs) 的循环人工神经网络，旨在通过预测基于人类眼动模式的未来视觉信息来学习场景表征。这些网络经过训练，能够预测扫描路径上的下一个视觉输入，从而有效地提取物体排列和共现等复杂的场景细节。GPNs 生成的表征与人脑视觉皮层的功能性磁共振成像 (fMRI) 响应高度一致，并且性能与现有最先进的模型相当或更优。
-
新框架评估视觉模型与人脑反应的一致性
研究人员开发了一个新框架，用于评估人工智能视觉模型与人脑视觉皮层的一致性。该方法超越了简单的预测准确性，分析了模型恢复了大脑反应的哪些特定维度。通过使用受试者观看图像时的功能性磁共振成像（fMRI）数据，该研究确定了视觉皮层中可重复的反应维度，并评估了模型和其他大脑恢复这些维度的有效性。研究结果表明，仅凭预测准确性可能会掩盖不匹配之处，而这种新方法为模型-大脑一致性提供了更具诊断性的评估。