論文の概要: Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval

• arxiv url: http://arxiv.org/abs/2608.19128v1
• Date: Wed, 19 Aug 2026 17:23:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.470314
• Title: Beyond Trial Averaging: Anchoring Neural and Visual Representations for Few-Repetition Brain-to-Image Retrieval
• Title（参考訳）: 試行平均を超える:脳画像検索のためのニューラル表現と視覚表現のアンカリング
• Abstract要約: 本稿では,高繰り返し中心をアンカーとして扱い,両端からアプローチするニューラルアンカーに基づく検索フレームワークを提案する。 脳波、MEG、fMRIにまたがる4つのデータセットにおいて、NEARは数回の反復状態における検索を継続的に改善した。
• 参考スコア（独自算出の注目度）: 7.599218587134888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decoding visual information from brain signals probes neural representations and enables neuro-rehabilitation and dream decoding. Recent brain-to-image retrieval approaches have achieved promising performance, typically by averaging many (up to 80) neural trials per image, requiring repeated stimulus presentation that increases latency, cost, and user burden. When only one or a few repetitions are available, the retrieval accuracy drops sharply. This drop is commonly attributed to query noise because averaging suppresses noise and increases signal stability. However, we find a non-transitive alignment pattern: the low-repetition query signal and the image representation each align with the high-repetition center, but not directly with each other. This pattern shows that query noise is only part of the problem and that gallery placement also affects retrieval. We therefore propose a neural-anchor-based retrieval (NEAR) framework that treats the high-repetition center as an anchor and approaches it from both sides: a denoiser pulls the noisy query toward the true anchor, and a small network predicts each candidate's pseudo anchor from its image and pulls the image toward it. Across four datasets spanning EEG, MEG and fMRI, NEAR consistently improved retrieval in the few-repetition regime. On THINGS-EEG2, it improved 200-way Top-1 accuracy by 5.7 and 9.3 percentage points respectively, when averaging one and four repetitions. By anchoring neural and visual representations, NEAR reduces reliance on repeated acquisition and brings neural retrieval closer to real-world deployment.
• Abstract（参考訳）: 脳信号からの視覚情報の復号化は神経表現を探索し、神経リハビリテーションと夢の復号を可能にする。 最近の脳画像検索アプローチは、通常、画像当たりの多くの(最大80までの)ニューラルトライアルを平均化し、レイテンシ、コスト、ユーザの負担を増大させる反復的な刺激提示を必要とすることで、有望なパフォーマンスを実現している。 1回または数回の繰り返ししか得られない場合、検索精度は急激に低下する。 この落差は、平均値がノイズを抑制し、信号安定性を高めるため、クエリノイズに起因するのが一般的である。 しかし,非推移的なアライメントパターン:低繰り返しクエリ信号と画像表現は,それぞれ高繰り返し中心と一致しているが,直接は一致しない。 このパターンは,クエリノイズが問題の一部に過ぎず,ギャラリー配置が検索に影響を及ぼすことを示している。 そこで我々は, 高繰り返し中心をアンカーとして扱うニューラルアンカーベースの検索(NEAR)フレームワークを提案し, ノイズキャンセラーが真のアンカーに向かってノイズの多いクエリをプルし, 小さなネットワークが各候補の疑似アンカーを画像から予測し, イメージをそれに向けてプルする。 脳波、MEG、fMRIにまたがる4つのデータセットにおいて、NEARは数回の反復状態における検索を継続的に改善した。 THINGS-EEG2では、平均1回と4回の繰り返しで200ウェイトップ1の精度をそれぞれ5.7ポイントと9.3ポイント改善した。 神経と視覚の表現をアンカーすることで、NEARは繰り返し取得への依存を減らし、ニューラルネットワークを現実世界のデプロイメントに近づける。

関連論文リスト

• Simple Models, Rich Representations: Visual Decoding from Primate Intracortical Neural Signals [0.0]
  霊長類の高密度皮質内記録から視覚情報を復号する問題に対処する。 我々は,低分解能遅延再構成と意味的条件付き拡散を組み合わせたモジュラー生成復号パイプラインを開発した。 このフレームワークは、ブレイン・コンピュータ・インタフェースとセマンティック・ニューラル・デコーディングの原則を提供する。
  論文  参考訳（メタデータ） (2026-01-16T09:10:31Z)
• Improving Accuracy and Efficiency of Implicit Neural Representations: Making SIREN a WINNER [0.0]
  我々は正弦波表現ネットワーク(SIREN)の基本的制限を特定し、対処する。 極端な場合、ネットワークの周波数サポートがターゲットスペクトルと不一致した場合、「スペクトルボトルネック」が観測される。 ニューラル表現のためのノイズ付きウェイト初期化を提案する。
  論文  参考訳（メタデータ） (2025-09-16T11:41:13Z)
• Stochastic Resonance Improves the Detection of Low Contrast Images in Deep Learning Models [0.19778256093887275]
  共鳴は、ある種のシステムにおける弱い信号の検出性を改善するためのノイズの有用性を記述している。 自然や工学的な設定で広く観察されているが、速度に基づくニューラルネットワークを用いた画像分類におけるその有用性は広く研究されていない。 その結果、周波数に基づくリカレントニューラルネットワークにおける共鳴の存在が示唆された。
  論文  参考訳（メタデータ） (2025-02-20T10:48:49Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Coordinate-based Speed of Sound Recovery for Aberration-Corrected Photoacoustic Computed Tomography [5.561325645559409]
  光音響CT(PACT)は、超音波と同様の非侵襲的な画像モダリティであり、広範囲の医療応用がある。 従来のPACT画像は、組織内の音の異種速度(SOS)による波面歪みによって劣化する。 本稿では,リングアレイPACTシステムにおいて,SOSと高品質な画像を復元する,効率的な自己教師型共同再構築手法を提案する。
  論文  参考訳（メタデータ） (2024-09-17T04:11:20Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Joint fMRI Decoding and Encoding with Latent Embedding Alignment [77.66508125297754]
  我々はfMRIデコーディングと符号化の両方に対処する統合フレームワークを導入する。 本モデルでは、fMRI信号から視覚刺激を同時に回復し、統合された枠組み内の画像から脳活動を予測する。
  論文  参考訳（メタデータ） (2023-03-26T14:14:58Z)
• Modality-Agnostic Variational Compression of Implicit Neural Representations [96.35492043867104]
  Inlicit Neural Representation (INR) としてパラメータ化されたデータの関数的ビューに基づくモーダリティ非依存型ニューラル圧縮アルゴリズムを提案する。 潜時符号化と疎性の間のギャップを埋めて、ソフトゲーティング機構に非直線的にマッピングされたコンパクト潜時表現を得る。 このような潜在表現のデータセットを得た後、ニューラル圧縮を用いてモーダリティ非依存空間におけるレート/歪みトレードオフを直接最適化する。
  論文  参考訳（メタデータ） (2023-01-23T15:22:42Z)
• How deep convolutional neural networks lose spatial information with training [0.7328100870402177]
  画像の微分同相性に対する安定性は, 前半の空間プール, 後半のチャネルプールによって達成されることを示す。 ノイズに対する感度の上昇は、ReLUユニットによって修正された後、プール中に発生する摂動騒音によるものである。
  論文  参考訳（メタデータ） (2022-10-04T10:21:03Z)
• Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
  ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。 我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。 実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T05:07:19Z)
• Supervised Denoising of Diffusion-Weighted Magnetic Resonance Images Using a Convolutional Neural Network and Transfer Learning [0.0]
  本稿では,現実的な合成MRデータに基づいて訓練された畳み込みニューラルネットワークを用いて,脳の拡散強調画像(DWI)を識別する手法を提案する。 提案手法の適用により,繰り返しスキャンする回数を減らすことにより,スキャン時間の大幅な削減が可能となった。
  論文  参考訳（メタデータ） (2022-06-01T08:14:35Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Compressive sensing with un-trained neural networks: Gradient descent finds the smoothest approximation [60.80172153614544]
  訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。 トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-07T15:57:25Z)
• Identity Enhanced Residual Image Denoising [61.75610647978973]
  我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。 提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
  論文  参考訳（メタデータ） (2020-04-26T04:52:22Z)

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。