論文の概要: A large calcium-imaging dataset reveals a systematic V4 organization for natural scenes

• arxiv url: http://arxiv.org/abs/2307.00932v2
• Date: Mon, 24 Jul 2023 01:57:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 20:38:23.563594
• Title: A large calcium-imaging dataset reveals a systematic V4 organization for natural scenes
• Title（参考訳）: 大きなカルシウムイメージングデータセットから自然界のV4構造が明らかになった
• Authors: Tianye Wang, Haoxuan Yao, Tai Sing Lee, Jiayi Hong, Yang Li, Hongfei Jiang, Ian Max Andolina, Shiming Tang
• Abstract要約: 我々は,多くの自然画像に反応する霊長類V4のワイドフィールドカルシウムイメージングを利用して,カラムスケール応答のデータセットを生成した。 このデータセットを用いて、深層学習によりV4のディジタルツインを構築し、各皮質位置の自然画像の詳細な地形図を生成する。 広視野カルシウムイメージングと単細胞分解能2光子イメージングを併用したモデル予測領域の検証を行った。
• 参考スコア（独自算出の注目度）: 3.797138846812056
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The visual system evolved to process natural scenes, yet most of our understanding of the topology and function of visual cortex derives from studies using artificial stimuli. To gain deeper insights into visual processing of natural scenes, we utilized widefield calcium-imaging of primate V4 in response to many natural images, generating a large dataset of columnar-scale responses. We used this dataset to build a digital twin of V4 via deep learning, generating a detailed topographical map of natural image preferences at each cortical position. The map revealed clustered functional domains for specific classes of natural image features. These ranged from surface-related attributes like color and texture to shape-related features such as edges, curvature, and facial features. We validated the model-predicted domains with additional widefield calcium-imaging and single-cell resolution two-photon imaging. Our study illuminates the detailed topological organization and neural codes in V4 that represent natural scenes.
• Abstract（参考訳）: 視覚系は自然の情景を処理するために進化したが、視覚野のトポロジーと機能の理解のほとんどは人工的な刺激を用いた研究に由来する。 自然シーンの視覚処理に関する深い知見を得るため,本研究では,自然画像に応答した霊長類v4のワイドフィールドカルシウムイメージングを用いて,コラムナースケール応答の大規模なデータセットを生成する。 このデータセットを用いて、深層学習によりV4のディジタルツインを構築し、各皮質位置の自然画像の詳細な地形図を生成する。 このマップは、自然画像の特徴の特定のクラスのためのクラスタ化された機能ドメインを明らかにした。 これらは、色やテクスチャなどの表面的特性から、エッジ、曲率、顔の特徴といった形状的特徴まで様々である。 広域カルシウムイメージングおよび単一細胞分解能2光子イメージングにより, モデル予測ドメインの検証を行った。 本研究は,v4における自然場面を表す詳細なトポロジー構造とニューラルコードを照らしている。

関連論文リスト

• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• Brain Mapping with Dense Features: Grounding Cortical Semantic Selectivity in Natural Images With Vision Transformers [5.265058307999745]
  本稿では,脳内視覚概念を分離するBrainSAILを紹介する。 BrainSAILは、事前訓練された視覚モデルから意味的に一貫性があり、密集した空間的特徴を利用する。 カテゴリー選択性のある大脳皮質領域におけるBrainSAILの評価を行った。
  論文  参考訳（メタデータ） (2024-10-07T17:59:45Z)
• Im4D: High-Fidelity and Real-Time Novel View Synthesis for Dynamic Scenes [69.52540205439989]
  グリッドベースの幾何表現と多視点画像に基づく外観表現からなるハイブリッド表現であるIm4Dを紹介する。 画像の特徴から3Dポイントの色を予測することを学習する,オリジナルのマルチビュービデオとネットワークによってシーンの外観を表現する。 我々は,512x512画像に対して,79.8 FPSのリアルタイムレンダリングを実現しつつ,レンダリング品質が向上し,効率よくトレーニングできるIm4Dの最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-12T17:59:57Z)
• HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion [114.15397904945185]
  本稿では,高リアリズムと多彩なレイアウトの人体画像を生成する統一的なフレームワークHyperHumanを提案する。 本モデルは,統合ネットワークにおける画像の外観,空間的関係,幾何学の連成学習を強制する。 我々のフレームワークは最先端の性能を生み出し、多様なシナリオ下で超現実的な人間の画像を生成する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:34Z)
• Natural scene reconstruction from fMRI signals using generative latent diffusion [1.90365714903665]
  我々はBrain-Diffuserと呼ばれる2段階のシーン再構築フレームワークを提示する。 第1段階では、VDVAE(Very Deep Vari Autoencoder)モデルを用いて、低レベル特性と全体レイアウトをキャプチャする画像を再構成する。 第2段階では、予測されたマルチモーダル(テキストおよび視覚)特徴に基づいて、遅延拡散モデルのイメージ・ツー・イメージ・フレームワークを使用する。
  論文  参考訳（メタデータ） (2023-03-09T15:24:26Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Top-down inference in an early visual cortex inspired hierarchical Variational Autoencoder [0.0]
  我々は変分オートエンコーダの進歩を利用して、自然画像に基づいて訓練された疎い符号化階層型VAEを用いて、初期視覚野を調査する。 一次および二次視覚皮質に見られるものと類似した表現は、軽度の誘導バイアスの下で自然に現れる。 生成モデルを用いた2つの計算のシグネチャに対して,ニューロサイエンスに着想を得た認識モデルの選択が重要であることを示す。
  論文  参考訳（メタデータ） (2022-06-01T12:21:58Z)
• Learning multi-scale functional representations of proteins from single-cell microscopy data [77.34726150561087]
  局所化分類に基づいて訓練された単純な畳み込みネットワークは、多様な機能情報をカプセル化したタンパク質表現を学習できることを示す。 また,生物機能の異なるスケールでタンパク質表現の質を評価するためのロバストな評価戦略を提案する。
  論文  参考訳（メタデータ） (2022-05-24T00:00:07Z)
• Weakly Supervised Learning of Multi-Object 3D Scene Decompositions Using Deep Shape Priors [69.02332607843569]
  PriSMONetは、単一画像から多目的3Dシーンの分解と表現を学習するための新しいアプローチである。 リカレントエンコーダは、入力されたRGB画像から、各オブジェクトの3D形状、ポーズ、テクスチャの潜時表現を回帰する。 我々は,3次元シーンレイアウトの推測におけるモデルの精度を評価し,その生成能力を実証し,実画像への一般化を評価し,学習した表現の利点を指摘する。
  論文  参考訳（メタデータ） (2020-10-08T14:49:23Z)
• 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)
• HDF: Hybrid Deep Features for Scene Image Representation [16.252523139552174]
  シーンイメージのための新しいタイプの機能 - ハイブリッドディープ機能 - を提案する。 オブジェクトベースとシーンベースの両方の機能を2レベルに活用する。 導入した特徴によって,最先端の分類精度が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-22T01:05:08Z)

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。