論文の概要: Dream2Image : An Open Multimodal EEG Dataset for Decoding and Visualizing Dreams with Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2510.06252v1
• Date: Fri, 03 Oct 2025 22:43:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.060037
• Title: Dream2Image : An Open Multimodal EEG Dataset for Decoding and Visualizing Dreams with Artificial Intelligence
• Title（参考訳）: Dream2Image : 人工知能による夢のデコードと可視化のためのオープンなマルチモーダル脳波データセット
• Authors: Yann Bellec,
• Abstract要約: Dream2Imageは、脳波信号、ドリームの書き起こし、AI生成画像を組み合わせた世界初のデータセットである。 38人の参加者と31時間以上の夢の脳波記録に基づいて、129のサンプルが含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dream2Image is the world's first dataset combining EEG signals, dream transcriptions, and AI-generated images. Based on 38 participants and more than 31 hours of dream EEG recordings, it contains 129 samples offering: the final seconds of brain activity preceding awakening (T-15, T-30, T-60, T-120), raw reports of dream experiences, and an approximate visual reconstruction of the dream. This dataset provides a novel resource for dream research, a unique resource to study the neural correlates of dreaming, to develop models for decoding dreams from brain activity, and to explore new approaches in neuroscience, psychology, and artificial intelligence. Available in open access on Hugging Face and GitHub, Dream2Image provides a multimodal resource designed to support research at the interface of artificial intelligence and neuroscience. It was designed to inspire researchers and extend the current approaches to brain activity decoding. Limitations include the relatively small sample size and the variability of dream recall, which may affect generalizability.
• Abstract（参考訳）: Dream2Imageは、脳波信号、ドリームの書き起こし、AI生成画像を組み合わせた世界初のデータセットである。 38人の参加者と31時間以上の夢脳波記録に基づいて、覚醒前の脳活動の最終秒(T-15、T-30、T-60、T-120)、夢体験の生報告、そして夢の視覚的再構築を提供する129のサンプルが提供されている。 このデータセットは、夢研究のための新しいリソース、夢の神経関係を研究するためのユニークなリソースを提供し、脳の活動から夢を復号するためのモデルを開発し、神経科学、心理学、人工知能における新しいアプローチを探索する。 Hugging FaceとGitHubのオープンアクセスで利用できるDream2Imageは、人工知能と神経科学のインターフェースにおける研究を支援するために設計されたマルチモーダルリソースを提供する。 研究者を刺激し、現在の脳活動復号へのアプローチを拡張するために設計された。 制限には、比較的小さなサンプルサイズと、一般化性に影響を与えるかもしれないドリームリコールの変動が含まれる。

関連論文リスト

• TRIBE: TRImodal Brain Encoder for whole-brain fMRI response prediction [7.864304771129752]
  TRIBEは、複数のモードにわたる刺激に対する脳反応を予測するために訓練された最初のディープニューラルネットワークである。 我々のモデルはビデオに対する空間的および時間的fMRI応答を正確にモデル化することができる。 我々のアプローチは、人間の脳における表現の積分モデルを構築するための道を開く。
  論文  参考訳（メタデータ） (2025-07-29T20:52:31Z)
• DreamNet: A Multimodal Framework for Semantic and Emotional Analysis of Sleep Narratives [0.0]
  本研究では,ドリームレポートからセマンティックテーマや感情状態をデコードする,新しいディープラーニングフレームワークDreamNetを紹介する。 1500の匿名化されたドリームストーリーのキュレートされたデータセットでは、DreamNetは92.1%の精度と88.4%のF1スコアをテキストのみのモードで達成している。 強い夢と感情の相関は、メンタルヘルス診断、認知科学、パーソナライズされた治療の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-26T09:10:07Z)
• Making Your Dreams A Reality: Decoding the Dreams into a Coherent Video Story from fMRI Signals [46.90535445975669]
  本稿では,マルチメディアコミュニティにおける勇敢な新しいアイデアについて考察し,夢をコヒーレントなビデオ物語に変換するための新しい枠組みを提案する。 脳イメージングの最近の進歩、特に機能的磁気共鳴イメージング(fMRI)は、夢の神経基盤を探索する新しい方法を提供してきた。 主観的な夢体験と客観的な神経生理学的データを組み合わせることで、夢の視覚的側面を理解し、完全なビデオ物語を作成することを目指す。
  論文  参考訳（メタデータ） (2025-01-16T08:03:49Z)
• 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)
• 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)
• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• Deep Neural Networks and Brain Alignment: Brain Encoding and Decoding (Survey) [9.14580723964253]
  人工知能は人間の脳の秘密を解き放つことができるのか? 脳記録のパワーをタップすることでAIを強化することは可能か? 本調査は,ヒト脳記録研究と最先端認知神経科学データセットに焦点を当てた。
  論文  参考訳（メタデータ） (2023-07-17T06:54:36Z)
• Memory semantization through perturbed and adversarial dreaming [0.7874708385247353]
  本稿では, 高速眼球運動(REM)ドリームが, 効率的なメモリセマンティゼーションに欠かせないことを提案する。 我々はGAN(Generative Adversarial Network)にインスパイアされた階層的なフィードフォワードとフィードバック経路を備えた皮質アーキテクチャを実装した。 以上の結果から,REM睡眠時の敵の夢は記憶内容の抽出に不可欠であり,NREM睡眠時の夢は雑音の知覚入力に対する潜伏表現の堅牢性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2021-09-09T13:31:13Z)

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。