論文の概要: Dual-Stream EEG Decoding for 3D Visual Perception

• arxiv url: http://arxiv.org/abs/2606.22182v1
• Date: Sat, 20 Jun 2026 18:25:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 22:14:43.76173
• Title: Dual-Stream EEG Decoding for 3D Visual Perception
• Title（参考訳）: 3次元視覚知覚のためのデュアルストリーム脳波デコーディング
• Authors: Ninon Lizé Masclef, Taisija Demcenko, Antonella Catanzaro, Nataliya Kosmyna,
• Abstract要約: バイオインスパイアされたアプローチは、オブジェクトのアイデンティティと空間配向のための分離されたデコードモジュールを実装している。 角度予測には円形回帰法を用い、3次元再構成には脳波条件付き多視点拡散法を開発した。
• 参考スコア（独自算出の注目度）: 1.6463973642489373
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explores a novel brain decoding model for 3D shape perception through a dual pathway architecture mirroring biological vision. Our bio-inspired approach implements separate decoding modules for object identity and spatial orientation, inspired by ventral and dorsal pathways, during continuous rotations. We employ circular regression for angle prediction and develop EEG-conditioned multiview diffusion for 3D reconstruction. Our approach successfully decodes both object identity and spatial orientation from EEG signals and enables 3D reconstruction from neural activity, with interpretability analyses revealing temporally structured involvement of ventral, dorsal, and motor-related channels rather than a static ventral dominance in supporting object and angle decoding.
• Abstract（参考訳）: 本稿では,生体視覚を反映した2経路アーキテクチャによる3次元形状認識のための新しい脳復号モデルについて検討する。 我々のバイオインスパイアされたアプローチは、連続的な回転の間、腹側および背側経路にインスパイアされた、物体の識別と空間配向のための分離された復号モジュールを実装している。 角度予測には円形回帰法を用い、3次元再構成には脳波条件付き多視点拡散法を開発した。 脳波信号から物体の識別と空間方向の両方を復号し、脳活動からの3次元再構成を可能にし、物体と角度の復号を支援するための静的な腹側支配よりも、腹側、背側、運動関連チャネルの時間的構造的関与を明らかにする解釈可能性解析を行った。

関連論文リスト

• Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
  統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。 既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。 提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-06-12T09:43:13Z)
• Brain3D: EEG-to-3D Decoding of Visual Representations via Multimodal Reasoning [14.30030169416955]
  脳波から画像へのデコーディングに基づく脳波から3Dへの再構成のためのマルチモーダルアーキテクチャであるBrain3Dを提案する。 我々のパイプラインはまず脳波信号から視覚的に接地された画像を生成し、次に多モーダルな言語モデルを用いて構造化された3D認識記述を抽出する。 問題を構造化段階に分解することで,脳波から3Dへの直接マッピングを回避し,スケーラブルな脳波駆動3D生成を実現する。
  論文  参考訳（メタデータ） (2026-04-09T10:35:44Z)
• MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
  本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。 既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。 このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-03T17:18:33Z)
• 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)
• Geometry-Biased Transformer for Robust Multi-View 3D Human Pose Reconstruction [3.069335774032178]
  マルチビュー2次元ポーズシーケンスから3次元ポーズを推定するエンコーダ・デコーダ変換アーキテクチャを提案する。 我々は、Human3.6M、CMU Panoptic、Occlusion-Personsの3つのベンチマーク公開データセットで実験を行った。
  論文  参考訳（メタデータ） (2023-12-28T16:30:05Z)
• Learning Internal Representations of 3D Transformations from 2D Projected Inputs [13.029330360766595]
  本研究では, モデルが2次元投影点から深度を推定し, 2次元トレーニング刺激から3次元回転変換を学習し, 精神物理学的構造に基づく運動実験における人間のパフォーマンスと比較する。
  論文  参考訳（メタデータ） (2023-03-31T02:43:01Z)
• DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction via A Structure-Specific Generative Method [12.26150675728958]
  本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。 本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。 特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
  論文  参考訳（メタデータ） (2022-06-14T20:46:11Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)

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。