論文の概要: ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding

• arxiv url: http://arxiv.org/abs/2609.05094v1
• Date: Fri, 04 Sep 2026 12:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.040076
• Title: ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding
• Title（参考訳）: ProCA:ロバスト脳波視覚デコーディングのためのプログレッシブコントラストアライメント
• Abstract要約: EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
• 参考スコア（独自算出の注目度）: 47.35612571473169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalogram (EEG) visual decoding aims to recover visual semantics from non-invasive neural time-series signals, for which robust alignment between noisy neural responses and stable semantic representations is key to achieving high-performance decoding. Despite recent advances in contrastive learning, robust EEG decoding remains challenging because existing methods rely on fixed visual or textual anchors whose semantic relations may become misaligned with EEG representations that vary across trials, subjects, and learning stages. Our empirical evidence shows that this instability appears across both standard EEG decoding protocols and more challenging robustness settings, including strict cross-subject transfer and realistic personalized continual adaptation. We provide a formal analysis showing that fixed semantic supervision can bias optimization when EEG-specific relations evolve, and that structure-agnostic perturbations may distort semantically important EEG components. To address these issues, we propose Progressive Contrastive Alignment (ProCA), a unified and model-agnostic framework for adaptive neural-semantic alignment. ProCA progressively refines class-level contrastive supervision from frozen vision-language priors to EEG-aware semantic relations, and introduces structure-consistent interpolation to constrain feature mixing according to channel-wise and temporal importance. Across subject-dependent, subject-independent, strict cross-subject transfer, and continual adaptation settings, ProCA achieves average relative Top-1/Top-5 gains of 7.4%/3.9%, 10.0%/4.6%, 28.1%/17.8%, and 16.8%/11.6%, respectively.
• Abstract（参考訳）: 脳波(EEG)の視覚的デコーディングは、非侵襲的なニューラル時系列信号から視覚的セマンティクスを回復することを目的としており、ノイズの多いニューラルレスポンスと安定したセマンティクス表現の堅牢なアライメントが高性能デコーディングを実現する鍵となる。 対照的な学習の最近の進歩にもかかわらず、既存の手法は、試行錯誤、主題、学習段階によって異なる脳波表現と不一致となる可能性のある固定された視覚的あるいはテキスト的アンカーに依存しているため、堅牢な脳波復号は依然として困難である。 我々の実証的な証拠は、この不安定性が標準的な脳波復号プロトコルと、厳密なクロスオブジェクト転送や現実的なパーソナライズされた継続的適応を含むより困難な堅牢性設定の両方に現れることを示している。 脳波固有の関係が進化すると、固定された意味的監督がバイアス最適化が可能となり、構造に依存しない摂動が意味的に重要な脳波成分を歪ませる可能性があることを示す公式な分析結果を提供する。 これらの課題に対処するため,我々は適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment (ProCA)を提案する。 ProCAは、凍結した視覚言語からEEG対応のセマンティックリレーションまで、クラスレベルのコントラスト管理を徐々に洗練し、チャネルワイドと時間的重要度に応じて特徴混在を制限するために構造整合補間を導入する。 ProCAは、主題に依存しない、主題に依存しない、厳密なクロスオブジェクト転送、連続的な適応設定を通じて、平均的なTop-1/Top-5ゲインの7.4%/3.9%、10.0%/4.6%、28.1%/17.8%、および16.8%/11.6%を達成している。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• The Impact of Temporal Context Length and Encoding Strategies on Self-Supervised ECG Representation Learning [0.8411385346896411]
  心電図(ECG)モデルは、しばしば数秒間の心電図信号に基づいて訓練される。 これらの選択がリズム推定や時間的整合性に必要な情報を犠牲にしているかどうかは不明である。 我々はIcentia11kシングルリードデータセットについて制御された研究を行った。
  論文  参考訳（メタデータ） (2026-08-13T01:18:39Z)
• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
  ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。 3つの主要なコンポーネントを特徴とするフレームワークを提案する。 診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
  論文  参考訳（メタデータ） (2026-06-24T08:24:45Z)
• Adaptive Causal Alignment for High-Confidence Adversarial Training [32.04694519643468]
  逆対逆トレーニングは、高信頼の予測を利用して、堅牢な学習を安定させる。 セマンティック・エクイリビリウム(Semantic Equilibrium)を確立する統合フレームワークであるHICAT(High-Confidence Causally Aligned Training)を提案する。
  論文  参考訳（メタデータ） (2026-06-02T17:14:54Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• CoRe-ECG: Advancing Self-Supervised Representation Learning for 12-Lead ECG via Contrastive and Reconstructive Synergy [37.81373064028234]
  コントラスト的かつ再構成的な事前学習パラダイムであるCoRe-ECGを提案する。 CoRe-ECGは、再構成中にグローバルな表現を整列し、インスタンスレベルの識別信号によって局所的な波形回復を導出する。 本手法は,複数のダウンストリームECGデータセットにまたがる最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-04-13T11:56:43Z)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation [12.0982298854338]
  Continual Test-Time Adaptation (CTTA)は、トレーニング済みのモデルが、ラベルなしドメインの継続的な変更に適応できるようにすることを目的としている。 医用画像セグメンテーションのためのセマンティック・プロンプト拡張グラフクラスタリング(SPEGC)によるCTTAを提案する。
  論文  参考訳（メタデータ） (2026-03-12T03:22:43Z)
• Zero-Shot EEG-to-Gait Decoding via Phase-Aware Representation Learning [9.49131859415923]
  ドメイン一般化型脳波-モーションデコーディングフレームワークであるNeuroDyGaitを提案する。 構造化されたコントラスト表現学習とリレーショナルドメインモデリングを使用して、脳波とモーション埋め込みのセマンティックアライメントを実現する。 ベンチマークデータセットのクロスオブジェクト歩行復号における適応や優れた性能を必要とせずに、見えない個人に対するゼロショットモーション予測を実現する。
  論文  参考訳（メタデータ） (2025-06-24T06:03:49Z)
• CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
  脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。 近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-13T22:46:43Z)

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。