論文の概要: CORTIVA: Candidate-Score Fusion of Complementary Visual Teachers for EEG- and MEG-to-Image Retrieval

• arxiv url: http://arxiv.org/abs/2608.01355v1
• Date: Sun, 02 Aug 2026 16:14:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.17348
• Title: CORTIVA: Candidate-Score Fusion of Complementary Visual Teachers for EEG- and MEG-to-Image Retrieval
• Title（参考訳）: CORTIVA:脳波とMEG画像検索のための相補的視覚教師の候補-スコア融合
• Abstract要約: 非侵襲的な脳活動から視覚体験をデコードすることは神経科学と脳-コンピュータインターフェースの中心である。 EEGとMEGはミリ秒の解像度を提供し、画像検索を魅力的にする。 ほとんどのシステムは、ランク付けする前に、均一な視覚的監督を単一の埋め込みに分解する。 この相補的な証拠を保存した候補スコア融合フレームワークであるCORTIVAを提案する。
• 参考スコア（独自算出の注目度）: 4.19305370463618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decoding visual experience from non-invasive brain activity is central to neuroscience and brain-computer interfaces. Functional magnetic resonance imaging (fMRI) offers fine spatial detail, but its slow hemodynamics and burdensome acquisition limit temporally resolved decoding. Electroencephalography (EEG) and magnetoencephalography (MEG) provide millisecond resolution, making image retrieval compelling: identify the viewed image from one neural response and a fixed candidate bank. Contrastive alignment to pretrained visual representations enables zero-shot retrieval from EEG and MEG, but most systems collapse heterogeneous visual supervision into a single embedding before ranking. This early consolidation imposes one similarity geometry on every candidate order and removes encoder-specific disagreements from the final ranking. We propose CORTIVA, a candidate-score fusion framework that preserves this complementary evidence. Three decoding routes are aligned to heterogeneous visual targets, score the same indexed candidates independently, and combine only their temperature-scaled score vectors before ranking. On the 200-way THINGS-EEG2 benchmark, CORTIVA reaches 73.5% Top-1 and 95.3% Top-5 across ten participants, exceeding the strongest reported baseline by 10.3 and 5.4 percentage points. With a modality-specific neural encoder, the same fusion principle reaches 42.4% Top-1 on THINGS-MEG. Matched route-removal retraining and four weight controls demonstrate that CORTIVA's gain arises from integrating complementary route scores and persists with uniform weighting, without requiring a specialized weighting rule. Independent DINOv2 analyses further reproduce the local error neighborhoods and posterior neural-visual correspondence. These results establish candidate-score fusion as a simple and testable alternative to embedding-level consolidation for neural image retrieval.
• Abstract（参考訳）: 非侵襲的な脳活動から視覚体験をデコードすることは神経科学と脳-コンピュータインターフェースの中心である。 機能的磁気共鳴画像(fMRI)は微細な空間的詳細を提供するが、その遅い血行動態と、時間的に解決された復号化の制限を伴っている。 脳電図(EEG)と脳磁図(MEG)はミリ秒の解像度を提供し、画像検索を魅力的なものにしている。 事前訓練された視覚表現に対するコントラストアライメントは、EEGとMEGからゼロショット検索を可能にするが、ほとんどのシステムは、均質な視覚監督をランキングの前に単一の埋め込みに分解する。 この初期統合は、全ての候補順序に1つの類似性幾何学を課し、エンコーダ固有の不一致を最終ランクから排除する。 この相補的な証拠を保存した候補スコア融合フレームワークであるCORTIVAを提案する。 3つの復号経路は、不均一な視覚的目標に整列し、同一のインデックス付き候補を独立にスコアし、ランキングの前に温度スケールのスコアベクトルのみを結合する。 200ウェイのTHINGS-EEG2ベンチマークでは、CORTIVAは10人の参加者で73.5%のTop-1と95.3%のTop-5に達し、10.3と5.4のポイントで最強のベースラインを超えた。 モダリティ特異的神経エンコーダでは、同じ融合原理がTHINGS-MEG上で42.4%のTop-1に達する。 整合したルート・リトレーニングと4つの重み制御により、CORTIVAの利得は、特別な重み付け規則を必要とせず、相補的なルートスコアの統合と均一な重み付けによる持続によって生じることを示した。 独立なDINOv2解析は、局所的エラー近傍と後部神経視覚対応をさらに再現する。 これらの結果から,ニューラル画像検索のための埋め込みレベル統合の簡易かつ検証可能な代替手段として,候補スコア融合が確立された。

関連論文リスト

• Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation [1.5123472914752591]
  ほとんどの知覚的損失は、VGG16やResNet50のような自然像のバックボーンで計算される。 このミスマッチは解剖学、コントラストの強化、獲得の多様性の監督を弱める可能性がある。 脳MRIの造影線量シミュレーションにおいて,医療基礎モデルの特徴がより適切な知覚的損失をもたらすかどうかを検証した。
  論文  参考訳（メタデータ） (2026-08-28T18:30:34Z)
• SCORE: Subject Coordinate Recovery for Label-Free Cross-Subject EEG-to-Image Retrieval [11.943434510766949]
  現在のEEG-to-image検索手法は,ラベル付きキャリブレーションのない新規ユーザに対して,内部オブジェクトよりもはるかに低い精度で動作している。 本稿では、リカバリ対応ソーストレーニングとデプロイメント時の座標調整を組み合わせた、ターゲットラベルのないフレームワークSCOREを提案する。
  論文  参考訳（メタデータ） (2026-08-19T17:27:29Z)
• What Does the Brain See? Multiview Neural Representations to Demystify the Brain-Visual Alignment [16.54359569394021]
  脳の反応を視覚的セマンティックな埋め込みと整合させるための統合型多視点脳波表現学習フレームワークを提案する。 提案手法は,物体内部設定において54.8%のTop-1,85.6%のTop-5,クロスオブジェクト設定では15.3%のTop-1,45.4%のTop-5の精度を有する。
  論文  参考訳（メタデータ） (2026-06-24T11:33:21Z)
• Subject-Aware Multi-Granularity Alignment for Zero-Shot EEG-to-Image Retrieval [6.9700202682590024]
  ゼロショット脳波画像検索のための主観的マルチグラニュラリティアライメント(SAMGA)フレームワークを提案する。 SAMGAは、まず、事前学習された視覚エンコーダから複数の中間表現を適応的に集約することにより、対象を意識した視覚監視ターゲットを構築する。 THINGS-EEGベンチマークの実験では、提案手法はオブジェクト内設定で91.3%のTop-1と98.8%のTop-5の精度、オブジェクト間設定で34.4%のTop-1と64.8%のTop-5の精度を達成した。
  論文  参考訳（メタデータ） (2026-04-20T04:10:30Z)
• Moving Beyond Diffusion: Hierarchy-to-Hierarchy Autoregression for fMRI-to-Image Reconstruction [65.67001243986981]
  我々は,スケールワイド自己回帰モデルに基づく粗大なfMRI画像再構成フレームワークであるMindHierを提案する。 MindHierは、拡散ベースのベースラインよりも優れたセマンティック忠実さ、4.67倍高速な推論、より決定論的結果を達成する。
  論文  参考訳（メタデータ） (2025-10-25T15:40:07Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Brain decoding: toward real-time reconstruction of visual perception [1.3654846342364308]
  過去5年間で、生成的および基礎的AIシステムの使用は、脳活動の復号化を大幅に改善した。 視覚知覚は、機能的磁気共鳴イメージング(fMRI)から顕著な忠実さでデコードできる。 本稿では、高時間分解能で脳活動を測定する神経イメージング装置である脳磁図(MEG)に基づく別のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-18T09:51:38Z)
• ECG Heartbeat Classification Using Multimodal Fusion [13.524306011331303]
  本稿では,心電図の心拍数分類のための2つの計算効率の良いマルチモーダル融合フレームワークを提案する。 MFFでは,CNNの垂直層から特徴を抽出し,それらを融合させてユニークかつ相互依存的な情報を得た。 不整脈では99.7%,MIでは99.2%の分類が得られた。
  論文  参考訳（メタデータ） (2021-07-21T03:48:35Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。