論文の概要: Deep Learning for Visual Neuroprosthesis
- arxiv url: http://arxiv.org/abs/2401.03639v1
- Date: Mon, 8 Jan 2024 02:53:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 17:41:26.017823
- Title: Deep Learning for Visual Neuroprosthesis
- Title（参考訳）: 視覚神経補綴のための深層学習
- Authors: Peter Beech, Shanshan Jia, Zhaofei Yu, Jian K. Liu
- Abstract要約: 視覚経路は、視覚情報の符号化と処理に寄与する細胞と領域の複雑なネットワークを含んでいる。
本章では、視覚知覚の重要性と、視覚情報が脳内でどのようにエンコードされ、どのように表現されるかを理解する上での課題について論じる。
- 参考スコア（独自算出の注目度）: 22.59701507351177
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The visual pathway involves complex networks of cells and regions which
contribute to the encoding and processing of visual information. While some
aspects of visual perception are understood, there are still many unanswered
questions regarding the exact mechanisms of visual encoding and the
organization of visual information along the pathway. This chapter discusses
the importance of visual perception and the challenges associated with
understanding how visual information is encoded and represented in the brain.
Furthermore, this chapter introduces the concept of neuroprostheses: devices
designed to enhance or replace bodily functions, and highlights the importance
of constructing computational models of the visual pathway in the
implementation of such devices. A number of such models, employing the use of
deep learning models, are outlined, and their value to understanding visual
coding and natural vision is discussed.
- Abstract（参考訳）: 視覚経路は、視覚情報の符号化と処理に寄与する細胞と領域の複雑なネットワークを含んでいる。
視覚知覚のいくつかの側面は理解されているが、視覚エンコーディングの正確なメカニズムと経路に沿った視覚情報の組織化に関して、まだ多くの未解決の疑問がある。
本章では,視覚情報がどのようにエンコードされ,脳で表現されるかを理解する上で,視覚知覚の重要性と課題について論じる。
身体機能の強化や置換のために設計されたデバイスであり、そのようなデバイスの実装において視覚経路の計算モデルを構築することの重要性を強調している。
ディープラーニングモデルを用いたこれらのモデルのいくつかを概説し、視覚的コーディングと自然な視覚を理解する上での価値について論じる。
関連論文リスト
- Visual attention information can be traced on cortical response but not
on the retina: evidence from electrophysiological mouse data using natural
images as stimuli [0.0]
一次視覚野(V1)では、約10%のニューロンのサブセットが、正解と非正解の視覚領域に対して異なる反応を示す。
網膜は、視覚的注意に関してナイーブなままであり、皮質反応は視覚的注意情報を解釈する。
論文 参考訳（メタデータ） (2023-08-01T13:09:48Z) - BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。
本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
論文 参考訳（メタデータ） (2022-10-27T22:20:36Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
この本はコンピュータビジョンの分野における科学的進歩を批判している。
情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
論文 参考訳（メタデータ） (2022-06-30T15:20:36Z) - Peripheral Vision Transformer [52.55309200601883]
我々は生物学的にインスパイアされたアプローチを採用し、視覚認識のためのディープニューラルネットワークの周辺視覚をモデル化する。
本稿では,マルチヘッド自己アテンション層に周辺位置エンコーディングを組み込むことにより,トレーニングデータから視覚領域を様々な周辺領域に分割することをネットワークが学べるようにすることを提案する。
大規模画像Netデータセット上でPerViTと呼ばれる提案したネットワークを評価し,マシン知覚モデルの内部動作を体系的に検討した。
論文 参考訳（メタデータ） (2022-06-14T12:47:47Z) - GAMR: A Guided Attention Model for (visual) Reasoning [7.919213739992465]
人間は、複雑な視覚シーンを柔軟に解析し理解する能力において、現代のAIシステムよりも優れています。
視覚的推論のための新しいモジュール,(視覚的)推論のためのガイド付き注意モデル(GAMR)を提案する。
GAMRは、タスク関連視覚情報をメモリに選択してルーティングするために、注意シフトのシーケンスを通じて、脳が複雑な視覚的推論問題を動的に解くことを示唆している。
論文 参考訳（メタデータ） (2022-06-10T07:52:06Z) - Attention Mechanisms in Computer Vision: A Survey [75.6074182122423]
本稿では,コンピュータビジョンにおける様々な注意機構について概観する。
チャネルアテンション,空間アテンション,時間アテンション,分岐アテンションなど,アプローチによって分類する。
我々は注意機構研究の今後の方向性を提案する。
論文 参考訳（メタデータ） (2021-11-15T09:18:40Z) - Visual Sensation and Perception Computational Models for Deep Learning:
State of the art, Challenges and Prospects [7.949330621850412]
視覚感覚と知覚は、環境認識と理解において視覚情報を検知し、整理し、識別し、解釈する過程を指す。
視覚知覚にインスパイアされた計算モデルは、認知科学、情報科学、人工知能など多くの分野から生まれた複雑さと多様性の特徴を持つ。
論文 参考訳（メタデータ） (2021-09-08T01:51:24Z) - Constellation: Learning relational abstractions over objects for
compositional imagination [64.99658940906917]
静的な視覚シーンのリレーショナル抽象化を学習するネットワークであるConstellationを紹介する。
この研究は、視覚的関係を明確に表現し、それらを複雑な認知手続きに使用するための第一歩である。
論文 参考訳（メタデータ） (2021-07-23T11:59:40Z) - Brain-inspired algorithms for processing of visual data [5.045960549713147]
視覚野のニューロンの機能に関する神経科学的知見に基づく画像処理とコンピュータビジョンのアプローチを概観する。
入力刺激の変化に対する安定性が向上した視覚系を提供するため,一部のニューロンの応答抑制機構に特に注目する。
論文 参考訳（メタデータ） (2021-03-02T10:45:38Z) - Data augmentation and image understanding [2.123756175601459]
論文は、機械学習、認知科学、神経科学の間の有利なシナジーを探求する。
論文は、視覚知覚や生物学的視覚とより整合した学習表現に焦点を当てている。
論文 参考訳（メタデータ） (2020-12-28T11:00:52Z)
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。