論文の概要: 3D-Telepathy: Reconstructing 3D Objects from EEG Signals

• arxiv url: http://arxiv.org/abs/2506.21843v1
• Date: Fri, 27 Jun 2025 01:26:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.044945
• Title: 3D-Telepathy: Reconstructing 3D Objects from EEG Signals
• Title（参考訳）: 3Dテレパシー:脳波信号から3Dオブジェクトを再構成する
• Authors: Yuxiang Ge, Jionghao Cheng, Ruiquan Ge, Zhaojie Fang, Gangyong Jia, Xiang Wan, Nannan Li, Ahmed Elazab, Changmiao Wang,
• Abstract要約: 脳波(EEG)データからの3次元視覚刺激の再構成は脳-コンピュータインタフェース(BCI)の応用に有意な可能性を秘めている 本稿では,2つの自己認識機構を統合した革新的なEEGアーキテクチャを提案する。 我々は、クロスアテンション、コントラスト学習、自己教師型学習技術を含む、脳波のトレーニングにハイブリッドトレーニング戦略を使用します。
• 参考スコア（独自算出の注目度）: 19.548597299697796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing 3D visual stimuli from Electroencephalography (EEG) data holds significant potential for applications in Brain-Computer Interfaces (BCIs) and aiding individuals with communication disorders. Traditionally, efforts have focused on converting brain activity into 2D images, neglecting the translation of EEG data into 3D objects. This limitation is noteworthy, as the human brain inherently processes three-dimensional spatial information regardless of whether observing 2D images or the real world. The neural activities captured by EEG contain rich spatial information that is inevitably lost when reconstructing only 2D images, thus limiting its practical applications in BCI. The transition from EEG data to 3D object reconstruction faces considerable obstacles. These include the presence of extensive noise within EEG signals and a scarcity of datasets that include both EEG and 3D information, which complicates the extraction process of 3D visual data. Addressing this challenging task, we propose an innovative EEG encoder architecture that integrates a dual self-attention mechanism. We use a hybrid training strategy to train the EEG Encoder, which includes cross-attention, contrastive learning, and self-supervised learning techniques. Additionally, by employing stable diffusion as a prior distribution and utilizing Variational Score Distillation to train a neural radiation field, we successfully generate 3D objects with similar content and structure from EEG data.
• Abstract（参考訳）: 脳波(EEG)データから3次元視覚刺激を再構成することは、脳-コンピュータインタフェース(BCI)およびコミュニケーション障害のある個人を支援するために重要な可能性を持っている。 伝統的に、脳の活動を2D画像に変換することに注力し、脳波データの3Dオブジェクトへの変換を無視してきた。 この制限は、人間の脳が本質的に2D画像や実世界に関わらず3次元の空間情報を処理していることから注目に値する。 脳波が捉えた神経活動は、2D画像のみを再構成する際に必然的に失われる豊富な空間情報を含んでいるため、BCIにおける実践的応用は制限される。 脳波データから3Dオブジェクトへの遷移は、かなりの障害に直面している。 これらには、脳波信号内に広範なノイズが存在することや、脳波と3D情報の両方を含むデータセットの不足が含まれており、3Dビジュアルデータの抽出プロセスが複雑である。 この課題に対処するため,2つの自己認識機構を統合した革新的なEEGエンコーダアーキテクチャを提案する。 我々は、クロスアテンション、コントラスト学習、自己教師型学習技術を含む、EEGエンコーダのトレーニングにハイブリッドトレーニング戦略を使用します。 さらに, 安定拡散を先行分布として利用し, 変分スコア蒸留を用いて神経放射場を訓練することにより, 脳波データから類似した内容と構造を持つ3次元物体の生成に成功した。

関連論文リスト

• Neuro-3D: Towards 3D Visual Decoding from EEG Signals [49.502364730056044]
  脳波信号から3次元視覚知覚を復号する新しい神経科学タスクを導入する。 まず、ビデオと画像の両方でレンダリングされた72の3Dオブジェクトのカテゴリを閲覧する12人の被験者から、マルチモーダル分析データと脳波記録を含むデータセットであるEEG-3Dを提示する。 脳波信号に基づく3次元視覚デコーディングフレームワークNeuro-3Dを提案する。
  論文  参考訳（メタデータ） (2024-11-19T05:52:17Z)
• EEG-Driven 3D Object Reconstruction with Style Consistency and Diffusion Prior [1.7205106391379026]
  本稿では,脳波を用いた3次元オブジェクト再構成手法を提案する。 実験により,この手法は脳波データを効果的に利用して3次元オブジェクトをスタイル整合性で再構築できることが実証された。
  論文  参考訳（メタデータ） (2024-10-28T12:59:24Z)
• Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
  被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。 我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。 予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
  Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。 このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。 我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2023-12-12T18:21:36Z)
• Learning Robust Deep Visual Representations from EEG Brain Recordings [13.768240137063428]
  本研究は,脳波に基づく深部表現の頑健な学習を行うための2段階の手法を提案する。 ディープラーニングアーキテクチャを用いて,3つのデータセットにまたがる特徴抽出パイプラインの一般化性を実証する。 本稿では,未知の画像を脳波空間に変換し,近似を用いて再構成する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-10-25T10:26:07Z)

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。