論文の概要: The 2026 PNPL Competition: Word Classification and Efficient Cross-Subject Generalisation in LibriBrain100
- arxiv url: http://arxiv.org/abs/2609.03231v1
- Date: Thu, 03 Sep 2026 00:10:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.883345
- Title: The 2026 PNPL Competition: Word Classification and Efficient Cross-Subject Generalisation in LibriBrain100
- Title（参考訳）: 2026 PNPLコンペティション: LibriBrain100における単語分類と効率的なクロスオブジェクト一般化
- Authors: Francesco Mantegna, Gereon Elvers, Dulhan Jayalath, Gilad Landau, Tasha Kim, Miran Özdogan, Luisa Kurth, Teyun Kwon, SungJun Cho, Benjamin Ballyk, Alex Fung, Anna Greer, Pratik Somaiya, Christian Herff, Yorguin Mantilla Ramos, Hamza Abdelhedi, Karim Jerbi, Greg Farquhar, Brendan Shillingford, Mark Woolrich, Oiwi Parker Jones,
- Abstract要約: 2026 PNPLコンペティションは、LibriBrain100でこの課題に対応している。
Deep Trackは、オブジェクト内の単語分類を大規模に対象としており、最高のパフォーマンスを目指している。
ブロードトラックはクロスオブジェクトの一般化を目標としており、被験者固有の微調整データの量を徐々に減らしている。
- 参考スコア（独自算出の注目度）: 4.584168713589318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ambition of the 2025 PNPL competition (Landau et al., 2025) was to launch a multi-year curriculum for non-invasive speech decoding. Designed to progress from foundational tasks toward the linguistic complexity required for a practical brain-computer interface (BCI), it set the stage with speech detection and phoneme classification tasks. Winning submissions reached F1-macro scores of 95.6% and 73.6% on the respective tasks (Elvers et al., 2026), highly significant advances. This success was built on the LibriBrain dataset (Özdogan et al., 2025), the largest within-subject MEG dataset recorded at the time with ${\sim}50$ hours of data for one subject. However, while within-subject scale drives strong decoding performance, a practical BCI must generalise to new users from minutes of data, not hours. The 2026 PNPL competition responds to this challenge with LibriBrain100 (Mantegna et al., 2026), an extended LibriBrain dataset with 32 additional subjects (${\sim}40$ minutes each) plus even more within-subject data (${\sim}80$ hours). Advancing the curriculum of tasks to focus on word classification, two complementary tracks are presented in this competition: the Deep track targets within-subject word classification at scale, aiming at the best possible performance; the Broad track targets cross-subject generalisation, progressively reducing the amount of subject-specific fine-tuning data from ${\sim}40$ to ${\sim}20$ to ${\sim}10$ minutes, a duration that falls within a clinically feasible range and brings us a step closer to a non-invasive BCI capable of restoring communication to people living with profound paralysis.
- Abstract（参考訳）: 2025年のPNPLコンペティション(Landau et al , 2025)の野心は、非侵襲的な音声復号のための複数年のカリキュラムを立ち上げることであった。
実用的な脳-コンピュータインタフェース(BCI)に必要な言語的複雑さへの基礎的なタスクから進歩するために設計され、音声検出と音素分類タスクのステージを設定した。
F1-macroスコアは95.6%、各タスク(Elvers et al , 2026)で73.6%に達した。
この成功は、当時記録された最大のオブジェクト内MEGデータセットであるLibriBrainデータセット(Zzdogan et al , 2025)上に構築された。
しかし、オブジェクト内スケールは強力なデコード性能をもたらすが、実用的なBCIは、数時間ではなく数分のデータから新しいユーザに一般化する必要がある。
2026 PNPLコンペティションは、LibriBrain100(Mantegna et al , 2026)でこの課題に対応している。
単語分類に焦点を当てたタスクのカリキュラムの強化 このコンペティションでは、2つの補完的なトラックが紹介される: ディープトラックは、最高のパフォーマンスを目指して、大規模にオブジェクト内の単語分類を目標としており、ブロードトラックは、クロスオブジェクトの一般化を目標とし、被験者固有の微調整データの量を、${\sim}40$から${\sim}20$から${\sim}10$へと徐々に減らし、臨床的に可能な範囲に収まり、深い麻痺を持つ人々とのコミュニケーションを回復できる非侵襲的なBCIに一歩近づいた。
関連論文リスト
- LibriBrain100: One Hundred Hours of Broad and Deep MEG Data for Neural Speech Decoding at Scale [4.534152971727475]
音声復号のための大規模MEGデータセットであるLibriBrain100を紹介する。
LibriBrain100は、1つの被験者から80ドル(約8,800円)の費用で、ディープ・イン・オブジェクト・ニューラルデータのための新しい記録を樹立した。
論文 参考訳（メタデータ） (2026-08-25T22:45:04Z) - Multilingual Long-Form Speech Instruction Following: KIT's Submission to IWSLT 2026 [57.48615919717867]
我々は、制約のない環境で、KITのLong and Short Instruction followingのトラックを提示する。
提案手法では,短文コーパスを長文学習データに変換する汎用データ拡張パイプラインを組み合わせる。
確率に基づく再ランク付けは、ASRには非常に有効であるが、意味的タスクを体系的に劣化させることを示す。
論文 参考訳（メタデータ） (2026-06-03T11:13:37Z) - Openpi Comet: Competition Solution For 2025 BEHAVIOR Challenge [54.28288180330569]
2025 BEHAVIOR Challengeは、シミュレーション環境での物理エージェントによる長期タスクの解決に向けた進捗を厳格に追跡するように設計されている。
本報告では,2025 BEHAVIOR チャレンジを2位に近づき,残りの提案を著しく上回っている。
論文 参考訳（メタデータ） (2025-12-10T20:46:40Z) - crossMoDA Challenge: Evolution of Cross-Modality Domain Adaptation Techniques for Vestibular Schwannoma and Cochlea Segmentation from 2021 to 2023 [20.87321022049113]
クロスモダリティドメイン適応 (cross-Modality Domain Adaptation,crossMoDA) シリーズの2022年版と2023年版について報告する。
2023年版での勝利は、2021年版と2022年の試験データにおけるアウトレーヤの数を減らした。
臨床的に許容されるVSセグメンテーションにはまだ進歩が必要だが、高評価は、より困難なクロスモーダルタスクが将来のベンチマークに役立つことを示唆している。
論文 参考訳（メタデータ） (2025-06-13T17:56:39Z) - The 2025 PNPL Competition: Speech Detection and Phoneme Classification in the LibriBrain Dataset [10.214825301231025]
非侵襲的な脳データからの音声復号は、社会的影響の可能性を秘めている。
2025年のPNPLコンペティションの最終的な目標は、「ImageNet moment」の条件を作成することである。
我々は、ユーザフレンドリーなPythonライブラリ(pnpl)とともに、これまで記録された最大のオブジェクト内MEGデータセット(LibriBrain)を提示する。
このコンペティションには、アルゴリズムのイノベーションを強調するスタンダードトラックと、大規模コンピューティングに報いると思われる拡張トラックが特徴だ。
論文 参考訳（メタデータ） (2025-06-11T20:34:33Z) - Findings of the Second BabyLM Challenge: Sample-Efficient Pretraining on Developmentally Plausible Corpora [79.03392191805028]
BabyLM Challengeは、人間と計算言語学習者のデータ効率ギャップを埋めるためのコミュニティの取り組みである。
参加者は1億ワード以下の固定言語データ予算で、言語モデルトレーニングを最適化するために競争する。
論文 参考訳（メタデータ） (2024-12-06T16:06:08Z) - The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。
Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。
クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
論文 参考訳（メタデータ） (2024-06-11T22:26:20Z) - ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich
Document Images [198.35937007558078]
大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。
トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。
提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
論文 参考訳（メタデータ） (2023-06-05T22:20:52Z) - Dynamic Pricing with Volume Discounts in Online Settings [102.00782184214326]
本稿では,電子商取引における客観的機能が利益であり,取引データのみが利用可能である場合の価格設定に焦点を当てる。
我々の研究は、異なるボリューム閾値で最適な価格を定め、異なるクラスのユーザーに提供する価格戦略を見つけることを目的としている。
我々は、オンライン形式でデータを活用できる2段階のオンライン学習アルゴリズムBを設計する。
論文 参考訳（メタデータ） (2022-11-17T16:01:06Z)
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。