論文の概要: ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding

• arxiv url: http://arxiv.org/abs/2602.16147v1
• Date: Wed, 18 Feb 2026 02:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.494916
• Title: ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding
• Title（参考訳）: ASPEN: クロスオブジェクト脳デコーディングのためのスペクトル・テンポラル融合
• Authors: Megan Lee, Seung Ha Hwang, Inhyeok Choi, Shreyas Darade, Mengchun Zhang, Kateryna Shapovalenko,
• Abstract要約: 脳波ベースの脳-コンピュータインタフェースでは、オブジェクト間の一般化が困難である。 スペクトル表現が時間波形よりもクロスオブジェクト転送に安定した特徴を与えるかどうかを考察する。 我々は、乗法融合によるスペクトルと時間的特徴ストリームを組み合わせたハイブリッドアーキテクチャであるASPENを紹介する。
• 参考スコア（独自算出の注目度）: 1.1165387514575065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-subject generalization in EEG-based brain-computer interfaces (BCIs) remains challenging due to individual variability in neural signals. We investigate whether spectral representations offer more stable features for cross-subject transfer than temporal waveforms. Through correlation analyses across three EEG paradigms (SSVEP, P300, and Motor Imagery), we find that spectral features exhibit consistently higher cross-subject similarity than temporal signals. Motivated by this observation, we introduce ASPEN, a hybrid architecture that combines spectral and temporal feature streams via multiplicative fusion, requiring cross-modal agreement for features to propagate. Experiments across six benchmark datasets reveal that ASPEN is able to dynamically achieve the optimal spectral-temporal balance depending on the paradigm. ASPEN achieves the best unseen-subject accuracy on three of six datasets and competitive performance on others, demonstrating that multiplicative multimodal fusion enables effective cross-subject generalization.
• Abstract（参考訳）: 脳波に基づく脳-コンピュータインタフェース(BCI)におけるクロスオブジェクトの一般化は、神経信号の個人的変動のため、依然として困難である。 スペクトル表現が時間波形よりもクロスオブジェクト転送に安定した特徴を与えるかどうかを考察する。 脳波の3つのパラダイム(SSVEP、P300、Motor Imagery)の相関解析により、スペクトルの特徴は時間信号よりも常に高い物体間類似性を示すことがわかった。 この観測に動機づけられたASPENは、多重融合によるスペクトルと時間的特徴ストリームを組み合わせたハイブリッドアーキテクチャであり、特徴の伝播に相互に合意する必要がある。 6つのベンチマークデータセットの実験により、ASPENはパラダイムによって最適なスペクトル時間バランスを動的に達成できることが明らかになった。 ASPENは6つのデータセットのうち3つで最高の未確認オブジェクトの精度を達成し、他のデータセットと競合する性能を実現し、乗法的マルチモーダル融合が効果的なクロスオブジェクトの一般化を可能にすることを示した。

関連論文リスト

• ThermoSplat: Cross-Modal 3D Gaussian Splatting with Feature Modulation and Geometry Decoupling [11.169420448510095]
  ThermoSplatは、アクティブな特徴変調と適応幾何学的デカップリングにより、スペクトル認識の深い再構成を可能にする新しいフレームワークである。 RGBT-Scenesデータセットの実験により、ThermoSplatは可視スペクトルと熱スペクトルの両方にわたって最先端のレンダリング品質を達成することが示された。
  論文  参考訳（メタデータ） (2026-01-22T12:24:26Z)
• Multi-modal Adaptive Estimation for Temporal Respiratory Disease Outbreak [8.861941883057098]
  MAESTROは、スペクトル時間モデリングとマルチモーダルデータ融合を統合する、新しく統一されたフレームワークである。 香港の11年以上のデータから評価すると、MAESTRO は R-square 0.956 に適合する優れたモデルを実現している。 モジュラーで再現可能なパイプラインは、他の地域や病原体への展開と拡張を容易にするために公開されている。
  論文  参考訳（メタデータ） (2025-09-10T13:27:40Z)
• Hyperspectral Mamba for Hyperspectral Object Tracking [56.365517163296936]
  Mamba (HyMamba) を用いた新しいハイパースペクトル物体追跡ネットワークを提案する。 状態空間モジュール(SSM)によるスペクトル、クロスディープス、時間モデリングを統一する。 HyMambaは、7つのベンチマークデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-10T03:47:43Z)
• DAMS:Dual-Branch Adaptive Multiscale Spatiotemporal Framework for Video Anomaly Detection [7.117824587276951]
  この研究は、マルチレベル特徴とデカップリング融合に基づくDual-Branch Adaptive Multiscale Stemporal Framework (DAMS)と呼ばれるデュアルパスアーキテクチャを提供する。 主処理経路は、適応型マルチスケール時間ピラミッドネットワーク(AMTPN)と畳み込みブロック注意機構(CBAM)を統合している。
  論文  参考訳（メタデータ） (2025-07-28T08:42:00Z)
• CRIA: A Cross-View Interaction and Instance-Adapted Pre-training Framework for Generalizable EEG Representations [52.251569042852815]
  CRIAは、可変長および可変チャネルコーディングを使用して、異なるデータセット間でEEGデータの統一表現を実現する適応フレームワークである。 このモデルでは、時間的、スペクトル的、空間的特徴を効果的に融合させるクロスアテンション機構を採用している。 テンプル大学脳波コーパスとCHB-MITデータセットによる実験結果から、CRIAは既存の方法よりも、同じ事前学習条件で優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-19T06:31:08Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• Rethinking Temporal Fusion with a Unified Gradient Descent View for 3D Semantic Occupancy Prediction [62.69089767730514]
  視覚に基づく3次元意味的占有予測(VisionOcc)のための時間融合法であるGAFusionを提案する。 これは、VisionOccフレームワーク内の時間融合の未調査の側面を開き、時間的手がかりと融合戦略の両方に焦点を当てる。
  論文  参考訳（メタデータ） (2025-04-17T14:05:33Z)
• MHSA: A Multi-scale Hypergraph Network for Mild Cognitive Impairment Detection via Synchronous and Attentive Fusion [4.526574526136158]
  同期核融合によるMCI検出のためのマルチスケールハイパーグラフネットワークを提案する。 本手法では、関心領域のスペクトル領域における位相同期関係を計算するために、位相同期値(PLV)を用いる。 PLV係数は動的に戦略を調整し,時間スペクトル融合行列に基づいて動的ハイパーグラフをモデル化する。
  論文  参考訳（メタデータ） (2024-12-11T02:59:57Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)

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。