論文の概要: ZUNA1.1: A more flexible EEG foundation model for Denoising and Super-resolution

• arxiv url: http://arxiv.org/abs/2607.27308v1
• Date: Wed, 29 Jul 2026 17:49:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.289612
• Title: ZUNA1.1: A more flexible EEG foundation model for Denoising and Super-resolution
• Title（参考訳）: zuNA1.1:よりフレキシブルな脳波基礎モデル
• Abstract要約: フレキシブルな脳波信号再構成のための380Mパラメータ拡散オートエンコーダzuNA1.1を導入する。 zuNA1.1は最大30秒までの可変長配列を任意の頭皮位置で任意の数のEEGチャネルで再構築することができる。 我々は,zuNA1.1が従来のzuNA1モデルと少なくとも同等に動作し,より柔軟であり,広範囲の再構築タスクを処理可能であることを実証した。
• 参考スコア（独自算出の注目度）: 7.508944152383376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce ZUNA1.1, a 380M-parameter diffusion autoencoder for flexible EEG signal reconstruction. ZUNA1.1 is capable of reconstructing variable length sequences of up to 30s, with an arbitrary number of EEG channels at arbitrary scalp locations, and can reconstruct arbitrary temporal intervals within channels in addition to reconstructing entire channels. We demonstrate that ZUNA1.1 performs at least on par with our earlier ZUNA1 model, while being far more flexible and capable of handling a wide range of reconstruction tasks. ZUNA1.1 continues to substantially outperform standard EEG denoising and reconstruction methods such as spherical spline interpolation, which is ubiquitously deployed in the MNE package. The ZUNA1.1 model is released open source under the permissive Apache 2.0 license.
• Abstract（参考訳）: フレキシブル脳波信号再構成のための380Mパラメトリック拡散オートエンコーダzuNA1.1を導入する。 zuNA1.1は最大30秒までの可変長シーケンスを任意の頭皮位置で任意の数のEEGチャネルで再構築することができ、チャネル全体の再構築に加えてチャネル内の任意の時間間隔を再構築することができる。 我々は,zuNA1.1が従来のzuNA1モデルと少なくとも同等に動作し,より柔軟であり,広範囲の再構築タスクを処理可能であることを実証した。 zuNA1.1は、MNEパッケージにユビキタスにデプロイされる球状スプライン補間のような、標準的な脳波の分解と再構成方法を大幅に上回っている。 zuNA1.1モデルは、寛容なApache 2.0ライセンスの下でオープンソースとしてリリースされた。

関連論文リスト

• eBIRD: Event-based Intensity Image Reconstruction Using Controllable Diffusion Models [1.2744523252873352]
  eBIRD は DDPM と ControlNet ベースのコンディショニングを組み合わせたイベント誘導型再構築フレームワークである。 我々は,33msイベントウィンドウを用いた手書き桁(N-MNIST)と顔(RGBE-Gaze)再構成のための汎用的,専門的な拡散学習戦略を解析した。
  論文  参考訳（メタデータ） (2026-08-09T06:37:58Z)
• Subtractive Modulative Network with Learnable Periodic Activations [59.89799070130572]
  本稿では,古典的部分抽出合成にインスパイアされた,パラメータ効率の高いインプシットニューラル表現アーキテクチャを提案する。 我々のSMNは2つの画像データセット上で40ドル以上のPSNRを達成し、再現精度とパラメータ効率の両面で最先端の手法と比較した。
  論文  参考訳（メタデータ） (2026-02-18T10:20:50Z)
• ZUNA: Flexible EEG Superresolution with Position-Aware Diffusion Autoencoders [9.717613953440894]
  texttzunaは380Mのマスク付き拡散オートエンコーダで、マスク付きチャネルの埋め込みと超解像を行うように訓練されている。 texttzunaのパフォーマンスは、新しいデータセットや問題に直接適用できるように、データセットとチャネル位置を横断して一般化する。 その生成能力にもかかわらず、 texttzuna はいまだに計算学的にデプロイに実用的である。
  論文  参考訳（メタデータ） (2026-02-09T18:36:44Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• Enhancing and Accelerating Diffusion-Based Inverse Problem Solving through Measurements Optimization [66.17291150498276]
  textbfMeasurements textbfOptimization (MO)は,逆問題解決プロセスの各ステップで計測情報を統合するための,より効率的なプラグイン・アンド・プレイモジュールである。 MOを使用することで、複数のタスクにまたがる最新技術(SOTA)のパフォーマンスを確立することができ、大きな利点があります。
  論文  参考訳（メタデータ） (2024-12-05T07:44:18Z)
• RadioDiff: An Effective Generative Diffusion Model for Sampling-Free Dynamic Radio Map Construction [42.596399621642234]
  無線マップ(RM)は、位置のみに基づいてパスロスを得ることができる有望な技術である。 本稿では, サンプリングフリーのRM構造を条件付き生成問題としてモデル化し, 高品質なRM構造を実現するためにRadioDiffという名前の拡散拡散法を提案する。 実験の結果,提案したRadioDiffは,3つの精度,構造的類似度,ピーク信号対雑音比の3つの指標において,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2024-08-16T08:02:00Z)
• Radio Frequency Signal based Human Silhouette Segmentation: A Sequential Diffusion Approach [26.987963024941635]
  高品質セグメンテーションを共同で合成するための2段階連続拡散モデル(SDM)を提案する。 クロスビューブロックは、拡散モデルをマルチスケールで導くために考案された。 時間ブロックはフレームレベルのモデルを微調整して、周波数時間コンテキストとモーションダイナミクスを組み込むように設計されている。
  論文  参考訳（メタデータ） (2024-07-27T12:44:21Z)
• XFT: Unlocking the Power of Code Instruction Tuning by Simply Merging Upcycled Mixture-of-Experts [16.941500935597187]
  XFTは、命令調整型大規模言語モデル(LLM)の性能限界を解き放つための、シンプルだが強力なトレーニングスキームである。 XFTはHumanEval+を13%改善し、MBPP+、MultiPL-E、DS-1000で2%から13%改善した。
  論文  参考訳（メタデータ） (2024-04-23T17:32:24Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• DiNADO: Norm-Disentangled Neurally-Decomposed Oracles for Controlling Language Models [55.06442277395388]
  NeurAlly-Decomposed Oracle (NADO)は、大きな言語モデルで制御可能な生成のための強力なアプローチである。 バニラNADOは低確率制御信号の減衰勾配に悩まされる。 本稿では,NADOアルゴリズムの性能向上を図るために,NADOアルゴリズムの改良版であるDiNADOを提案する。
  論文  参考訳（メタデータ） (2023-06-20T18:36:52Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。