論文の概要: Learning a model of shape selectivity in V4 cells reveals shape encoding
mechanisms in the brain
- arxiv url: http://arxiv.org/abs/2111.14250v1
- Date: Sun, 28 Nov 2021 22:24:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 06:30:19.868535
- Title: Learning a model of shape selectivity in V4 cells reveals shape encoding
mechanisms in the brain
- Title（参考訳）: v4細胞の形状選択性モデルを学ぶ : 脳の形状エンコーディング機構を明らかにする
- Authors: Paria Mehrani and John K. Tsotsos
- Abstract要約: 本稿では,V4における曲率表現への変換に必要なV1/V2エンコーディングを明らかにする階層モデルを提案する。
単一のガウスの前の頻繁な仮定を緩和することにより、V4の形状選択性は、マカケのV4応答から階層の最後の層で学習される。
- 参考スコア（独自算出の注目度）: 16.066866337869328
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The mechanisms involved in transforming early visual signals to curvature
representations in V4 are unknown. We propose a hierarchical model that reveals
V1/V2 encodings that are essential components for this transformation to the
reported curvature representations in V4. Then, by relaxing the often-imposed
prior of a single Gaussian, V4 shape selectivity is learned in the last layer
of the hierarchy from Macaque V4 responses. We found that V4 cells integrate
multiple shape parts from the full spatial extent of their receptive fields
with similar excitatory and inhibitory contributions. Our results uncover new
details in existing data about shape selectivity in V4 neurons that with
further experiments can enhance our understanding of processing in this area.
Accordingly, we propose designs for a stimulus set that allow removing shape
parts without disturbing the curvature signal to isolate part contributions to
V4 responses.
- Abstract（参考訳）: 初期の視覚信号をV4の曲率表現に変換するメカニズムは不明である。
本稿では,この変換に必要なV1/V2エンコーディングを,V4で報告された曲率表現に変換する階層モデルを提案する。
そして、単一のガウスの前のしばしば強調される先行を緩和することにより、マカクv4応答から階層の最後の層でv4形状選択性が学習される。
その結果、v4細胞は受容野の完全な空間的範囲から複数の形状部品を統合でき、同様の興奮的および抑制的貢献が得られた。
以上の結果から,v4ニューロンの形状選択性に関する既存のデータから,この領域における処理の理解を深めることができた。
そこで本稿では,v4応答に対する部分寄与を分離するために,曲率信号を乱さずに形状部を除去できる刺激セットの設計を提案する。
関連論文リスト
- KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
本稿では,網膜血管分割のためのKLDDモデルを提案する。
我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。
実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
論文 参考訳（メタデータ） (2024-09-19T14:21:38Z) - Neural deformation fields for template-based reconstruction of cortical
surfaces from MRI [5.4173776411667935]
本稿では,脳テンプレートからMRIスキャンの皮質表面への変形場を学習するディープメッシュ変形技術であるVox2Cortex-Flowを紹介する。
V2C-Flowは非常に高速なだけでなく、4つの皮質表面を推測するのに2秒もかからない。
V2C-Flowは精度の点で最先端の皮質表面を呈することを示す。
論文 参考訳（メタデータ） (2024-01-23T17:50:58Z) - Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。
グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。
時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
論文 参考訳（メタデータ） (2024-01-12T15:05:08Z) - An anatomy-based V1 model: Extraction of Low-level Features, Reduction
of distortion and a V1-inspired SOM [0.0]
解剖学的実験によって導かれた一次視覚野V1のモデルを示す。
本モデルでは,V1層4,2/3,5の層間結合を解剖学的に求める。
論文 参考訳（メタデータ） (2023-02-18T08:06:42Z) - Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and
Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。
具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文 参考訳（メタデータ） (2023-02-01T02:47:53Z) - A Generative Shape Compositional Framework to Synthesise Populations of
Virtual Chimaeras [52.33206865588584]
複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。
心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。
提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
論文 参考訳（メタデータ） (2022-10-04T13:36:52Z) - Unbiased 4D: Monocular 4D Reconstruction with a Neural Deformation Model [76.64071133839862]
モノクロRGBビデオから一般的なデフォーミングシーンをキャプチャすることは、多くのコンピュータグラフィックスや視覚アプリケーションにとって不可欠である。
提案手法であるUb4Dは、大きな変形を処理し、閉塞領域での形状補完を行い、可変ボリュームレンダリングを用いて、単眼のRGBビデオを直接操作することができる。
我々の新しいデータセットの結果は公開され、表面の復元精度と大きな変形に対する堅牢性の観点から、技術の現状が明らかに改善されていることを実証する。
論文 参考訳（メタデータ） (2022-06-16T17:59:54Z) - Emergence of Lie symmetries in functional architectures learned by CNNs [63.69764116066748]
本研究では,自然画像の学習において,畳み込みニューラルネットワーク(CNN)の初期層における対称性の自発的発達について検討する。
私たちのアーキテクチャは、生体視覚システムの初期段階を模倣するために構築されています。
論文 参考訳（メタデータ） (2021-04-17T13:23:26Z) - A Preliminary Exploration into an Alternative CellLineNet: An
Evolutionary Approach [0.0]
本稿では,上皮性乳癌細胞株の分類に有効な畳み込みニューラルネットワークであるCellLineNetの進化的アプローチについて検討する。
EvoCELLの約束は、与えられたタスクに最適なモデルアーキテクチャを生成する機能抽出ブロックの組み合わせや配置を予測することである。
最終進化モデルであるCellLineNet V2は、2つのヒト癌細胞株、2つの正常不死化線、1つの不死化線からなる5種類の上皮性乳房細胞株を分類する。
論文 参考訳（メタデータ） (2020-07-26T02:36:56Z) - Quaternion Capsule Networks [3.867363075280544]
カプセルは、ポーズや特徴などの視覚的実体の洗練された情報を表現することができるニューロンの集まりである。
本稿では、カプセルのポーズ情報とその変換を四元数で表現する四元数カプセル(QCN)について述べる。
論文 参考訳（メタデータ） (2020-07-08T19:33:18Z) - Self-Supervised Learning of a Biologically-Inspired Visual Texture Model [6.931125029302013]
低次元特徴空間における視覚的テクスチャを表現するモデルを開発する。
霊長類視覚野のアーキテクチャにインスパイアされたモデルは、指向性線形フィルタの第1段階を使用する。
学習モデルは,前訓練した深部CNNに比べて,霊長類V2で記録された神経集団のテクスチャ応答に強い類似性を示す。
論文 参考訳（メタデータ） (2020-06-30T17:12:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。