PulseAugur
中
实时 13:21:53
实体 Natural Scenes Dataset (NSD)

Natural Scenes Dataset (NSD)

PulseAugur coverage of Natural Scenes Dataset (NSD) — every cluster mentioning Natural Scenes Dataset (NSD) across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_332971 ·

    自监督学习跨参与者对齐功能磁共振成像数据

    研究人员已将一种自监督学习架构——联合嵌入预测架构(JEPA)——应用于解码感觉诱发的功能磁共振成像(fMRI)数据。该方法仅在没有直接访问刺激图像的情况下,对大脑数据进行编码器训练。应用于自然场景数据集(NSD)后,学习到的大脑嵌入在诸如大脑字幕生成和图像重建等下游任务上表现出有竞争力,甚至优于一些监督方法。值得注意的是,为不同参与者独立训练的编码器可以进行无监督对齐,从而允许在一名个体上训练的解码头在另一名个体上应用,而性能损失极小。

  2. TOOL · CL_123355 ·

    受大脑启发的扩散模型可从 fMRI 数据重建图像

    研究人员开发了 Hi-DREAM,一个新颖的、受大脑启发的层级扩散框架,旨在改进从 fMRI 数据重建自然图像。该方法通过将扩散模型条件化于不同的视觉感兴趣区域 (ROI) 流,来利用视觉皮层的层级组织。通过将这些流转换为多尺度皮层金字塔,并使用 ROI 条件化的 ControlNet,Hi-DREAM 将解剖结构感知的先验知识注入去噪过程。在自然场景数据集 (NSD) 上的实验表明,Hi-DREAM 在保持结构完整性的同时实现了最先…

  3. RESEARCH · CL_70324 ·

    基于Mamba的新模型将图像映射到大脑活动

    研究人员开发了CHASMBrain,一种用于将图像编码为fMRI数据的新分层框架。该模型使用双流Mamba架构来区分全局语义信息和局部空间细节,模仿了人类视觉皮层。在Natural Scenes Dataset上的实验表明,CHASMBrain的表现优于现有方法,实现了0.429的皮尔逊相关系数和0.261的均方误差。进一步分析表明,该模型的patch流与早期视觉处理相关,而CLS流为更高级别的大脑区域提供了更广泛的语义背景。