論文の概要: Self-organized MT Direction Maps Emerge from Spatiotemporal Contrastive Optimization

• arxiv url: http://arxiv.org/abs/2605.11718v1
• Date: Tue, 12 May 2026 08:05:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.692673
• Title: Self-organized MT Direction Maps Emerge from Spatiotemporal Contrastive Optimization
• Title（参考訳）: 時空間コントラスト最適化による自己組織MT方向マップの創出
• Authors: Zhaotian Gu, Molan Li, Jie Su, Chang Liu, Tianyi Qian, Dahui Wang,
• Abstract要約: 霊長類視覚野の空間的および機能的構造は神経科学における根本的な問題である。 本研究では,時間的トポグラフィが同じ普遍原理によって支配されているかを検討する。 MTチューニングは, タスク駆動型判別圧力と空間正則化との厳密なトレードオフから生じる, 残留軸ピンホイールと組み合わせた強い方向選択性によって特徴付けられる。
• 参考スコア（独自算出の注目度）: 4.451608853542753
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spatial and functional organization of the primate visual cortex is a fundamental problem in neuroscience. While recent computational frameworks like the Topographic Deep Artificial Neural Network (TDANN) have successfully modeled spatial organization in the ventral stream, the computational origins of the dorsal stream's distinct topographies, such as direction-selective maps in the middle temporal (MT) area, remain largely unresolved. In this work, we present a spatiotemporal TDANN to investigate whether MT topography is governed by the same universal principles. By training a 3D ResNet on naturalistic videos via a Momentum Contrast (MoCo) self-supervised paradigm alongside a biologically inspired spatial loss, we demonstrate the spontaneous emergence of brain-like direction maps and topological pinwheel structures. Crucially, we reveal that MT tuning properties, characterized by strong direction selectivity paired with a residual axial component, arise from a strict optimization trade-off between task-driven discriminative pressure and spatial regularization. The model's representations quantitatively match in vivo macaque MT physiological baselines, including direction selectivity index, circular variance, and pinwheel density. These findings unify the computational origins of the ventral and dorsal streams, establishing a general mechanism for cortical self-organization.
• Abstract（参考訳）: 霊長類視覚野の空間的および機能的構造は神経科学における根本的な問題である。 近年のTDANN(Topographic Deep Artificial Neural Network)のような計算フレームワークは、腹側流の空間的組織をモデル化することに成功しているが、中央側方(MT)領域における方向選択写像のような背側流の異なる地形の計算起源は、ほとんど未解決のままである。 本研究では,MTトポログラフィが同じ普遍原理で管理されているかを検討するために,時空間TDANNを提案する。 3D ResNetをMomentum Contrast (MoCo) の自己監督的パラダイムを用いて訓練することにより,脳のような方向マップやトポロジカルピンホイール構造が自然に出現することを実証した。 MTチューニング特性は, タスク駆動判別圧力と空間正則化との厳密なトレードオフから生じる。 このモデルの表現は、方向選択率指数、円偏差、ピンホイール密度など、生体内マカクMT生理学的基盤線と定量的に一致している。 これらの知見は、腹側および背側の流れの計算的起源を統一し、皮質自己組織化の一般的なメカニズムを確立した。

関連論文リスト

• GeoDynamics: A Geometric State-Space Neural Network for Understanding Brain Dynamics on Riemannian Manifolds [12.374727945483594]
  状態空間モデル(SSM)は、脳力学の解明の基礎となっている。 我々は,高次元SPD多様体上での潜在脳状態軌跡を直接追跡する幾何学的状態空間ニューラルネットワークGeoDynamicsを紹介する。 GeoDynamicsは、各接続マトリックスを多様体対応の繰り返しフレームワークに組み込み、タスク駆動の状態変化とアルツハイマー病、パーキンソン病、自閉症の早期マーカーを明らかにするスムーズな遷移を学ぶ。
  論文  参考訳（メタデータ） (2026-01-20T03:56:06Z)
• Unleashing Temporal Capacity of Spiking Neural Networks through Spatiotemporal Separation [67.69345363409835]
  スパイキングニューラルネットワーク(SNN)は、時間的処理に自然に適していると考えられており、膜電位の伝播は、コア時間的モデリングメカニズムとして広く見なされている。 我々は, 膜伝播を段階的に段階的に除去する非ステートフル(NS)モデルの設計を行った。
  論文  参考訳（メタデータ） (2025-12-05T07:05:53Z)
• PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
  本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。 PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。 PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
  論文  参考訳（メタデータ） (2025-10-22T11:12:07Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Extraction and Recovery of Spatio-Temporal Structure in Latent Dynamics Alignment with Diffusion Models [1.4756031289693907]
  行動関連脳の計算では、神経信号をその中の急激な領域に合わせる必要がある。 本研究では,拡散モデルの表現性を利用して潜在力学の固有時間構造を保存するアライメント手法であるEDDiffを提案する。 提案手法は, 潜時力学の時間的構造を保ち, 整合性, ニューラルデコード性能において, 既存の手法より優れることを示す。
  論文  参考訳（メタデータ） (2023-06-09T05:53:11Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Spatio-Temporal Graph Convolution for Resting-State fMRI Analysis [11.85489505372321]
  BOLD時系列の短いサブシーケンスに基づいて、時空間グラフ畳み込みネットワーク(ST-GCN)を訓練し、機能接続の非定常特性をモデル化する。 St-GCNはBOLD信号に基づいて性別や年齢を予測する一般的な手法よりもはるかに正確である。
  論文  参考訳（メタデータ） (2020-03-24T01:56:50Z)

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。