Visual Cortex
PulseAugur coverage of Visual Cortex — every cluster mentioning Visual Cortex across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
OmniMouse 大脑模型随数据而非规模扩展
研究人员开发了 OmniMouse，这是一个多模态、多任务模型，在来自小鼠视觉皮层超过1500亿神经元标记上进行了训练。该模型在神经预测、行为解码和神经预测方面表现出最先进的性能，优于专业基线。与模型规模是主要驱动因素的典型人工智能扩展趋势不同，OmniMouse 的性能随数据可靠扩展，但增加模型规模的收益会饱和，这表明大脑建模仍然受限于数据。
-
新AI模型ICPNet模仿人类视觉感知幻影轮廓
研究人员开发了一种新颖的深度神经网络，即幻影轮廓感知网络（ICPNet），其灵感来源于人类视觉皮层。该网络旨在提高机器对幻影轮廓的感知能力，这是当前深度学习模型所面临的挑战。ICPNet集成了多尺度特征提取、特征交互注意力以及边缘检测模块，以增强其感知形状和轮廓的能力，并在新的测试集上显示出比现有模型显著的改进。
-
受生物学启发的神经网络利用小鼠大脑数据
研究人员通过利用MICrONS项目的数据，开发了受生物学启发的循环神经网络。该项目结合了小鼠视觉皮层电子显微镜和钙成像数据。这些网络利用了近12,000个神经元的神经元空间坐标、解剖连接和功能衍生关系来初始化权重，并在学习过程中施加空间约束。研究发现，结合了皮层结构和功能的网络在三个认知决策任务上的表现明显优于基线模型，其中功能权重初始化带来的收益最为显著。
-
AI学习机制与人脑处理方式存在差异
一项新的研究论文探讨了人工神经网络的学习方式与人脑处理视觉信息的方式之间的区别。尽管深度学习模型和人脑在表示视觉内容方面都表现出相似之处，但研究发现学习机制存在显著差异。具体而言，深度学习中使用的反向传播算法与人脑视觉皮层中观察到的层级处理方式不匹配。