論文の概要: MANAS-2: Constrained Reconstruction for EEG Foundation Models

• arxiv url: http://arxiv.org/abs/2609.13717v2
• Date: Tue, 15 Sep 2026 05:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.085015
• Title: MANAS-2: Constrained Reconstruction for EEG Foundation Models
• Title（参考訳）: MANAS-2:EEG基盤モデルの制約付き再構築
• Abstract要約: 我々は、マスク付きオートエンコーダと制約付き再構成(ConRec)を組み合わせた新しいEEG基盤モデルMANAS-2を紹介する。 ConRecは時間デコーダ出力にのみ作用し、再構成波形の隣接した短窓間におけるRMSエネルギーの相違を罰する。 RBHモデルにConRecを追加することで、6バンドのスペクトルパワーのフリーズリッジリカバリが増加する。
• 参考スコア（独自算出の注目度）: 5.435839711574293
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Masked reconstruction is widely used for EEG foundation models, but optimizing reconstruction on low-SNR waveforms does not necessarily produce the most useful latent representation. We introduce MANAS-2, a new EEG foundation model that combines a Raw-Band Hybrid (RBH) masked autoencoder with Constrained Reconstruction (ConRec), a physics-motivated regularizer. RBH jointly reconstructs temporal waveform patches and compact spectral-band targets, while ConRec acts only on the temporal decoder output, penalizing differences in RMS energy between adjacent short windows of the reconstructed waveform. ConRec is intended to shape the encoder by biasing it toward the organization of oscillatory-envelope information. Across seven held-out EEG datasets, adding ConRec to an otherwise identical RBH model increases frozen ridge recovery of six-band spectral power from mean R^2=0.860 to 0.906 and recovery of inter-patch band-energy dynamics from R^2=0.283 to 0.354, while temporal waveform information remains highly recoverable from the frozen latents. Applied to a temporal-only masked autoencoder, ConRec also improves frozen downstream transfer and frequency-dependent latent geometry despite receiving no spectral targets: i.e., the effects of ConRec are architecture-independent. MANAS-2 also outperforms leading EEG Foundation Models on most downstream knowledge-transfer tasks. From the effects of ConRec, we see that a physically motivated constraint imposed through the decoder can make for a more spectrally organized and transferable latent space. MANAS-2 therefore provides a new EEG foundation model built around constrained reconstruction as a mechanism for shaping representation--rather than reconstruction--quality.
• Abstract（参考訳）: 仮面再構成は脳波基礎モデルに広く用いられているが、低SNR波形の再構成を最適化することは必ずしも最も有用な潜伏表現を生成するとは限らない。 我々は,Raw-Band Hybrid (RBH)マスク付きオートエンコーダと,物理を動機とする正規化器であるConstrained Reconstruction (ConRec)を組み合わせた新しいEEG基盤モデルMANAS-2を紹介する。 RBHは時間波形パッチとコンパクトなスペクトルバンドターゲットを共同で再構成する一方、ConRecは時間デコーダ出力にのみ作用し、隣接する短ウィンドウ間のRMSエネルギーの差をペナルライズする。 ConRecは、振動エンベロープ情報の組織に偏ってエンコーダを形成することを意図している。 RBHモデルにConRecを加えることで、平均R^2=0.860から0.906までの6バンドスペクトルパワーの凍結隆起回復と、R^2=0.283から0.354までのパッチバンド間エネルギーダイナミクスの回復が促進される一方、時間波形情報は凍結潜水から高い回復性を維持している。 時間限定のマスク付きオートエンコーダに適用されたConRecは、スペクトルターゲットが存在しないにもかかわらず、凍結した下流転送と周波数依存の潜時幾何学も改善する。 MANAS-2は、ほとんどの下流の知識伝達タスクにおいて、主要なEEGファンデーションモデルよりも優れています。 ConRecの効果から、デコーダによって物理的に動機づけられた制約がよりスペクトル的に整理され、伝達可能な潜在空間を作ることができることが分かる。 したがって、MANAS-2は、再構成ではなく、表現を形作るメカニズムとして、制約付き再構築を中心に構築された新しいEEG基盤モデルを提供する。

関連論文リスト

• DecQ: Detail-Condensing Queries for Enhanced Reconstruction and Generation in Representation Autoencoders [50.02172864947277]
  表現オートエンコーダ(RAE)は、凍結した視覚基盤モデル(VFM)をトークン化器エンコーダとして利用する。 対照的に、微調整による再構成指向信号の統合は、事前訓練された意味空間を妨害し、生成的忠実度を低下させる。 本稿では,RAEの簡易かつ効果的なフレームワークであるDecQを提案する。具体的には,中間的VFM特徴から微細な情報を抽出する軽量な詳細化クエリを提案する。
  論文  参考訳（メタデータ） (2026-05-21T17:34:04Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• SPAMoE: Spectrum-Aware Hybrid Operator Framework for Full-Waveform Inversion [15.596808274371396]
  フルウェーブフォーム・インバージョン(FWI)は高分解能地下速度モデルを再構成する上で重要な要素であるが、計算集約的で不適切な状態にある。 複雑なマルチスケール構造を解くための新しいスペクトル認識フレームワークであるSpectral-Preserving Adaptive MoE (SPAMoE)を提案する。 提案手法では、符号化された表現の高周波数エネルギー比の低境界を強制するスペクトル保存型DINO逆数を導入する。 10個のOpenFWIサブデータセットで、SPAMoEは、最も公式に報告されているOpenと比較して平均MAEを54.1%削減することを示した。
  論文  参考訳（メタデータ） (2026-04-08T15:21:06Z)
• DCER: Dual-Stage Compression and Energy-Based Reconstruction [6.677604052097574]
  ノイズのある入力は表現の質を低下させ、モダリティの欠如は予測失敗を引き起こす。 両段圧縮とエネルギーベース再構成による課題に対処する統合フレームワークDCERを提案する。 CMU-MOSI、CMU-MOSEI、CH-SIMSの実験では、すべてのベンチマークで最先端のパフォーマンスが示されている。
  論文  参考訳（メタデータ） (2026-02-03T22:03:16Z)
• CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy [58.86576215228903]
  我々はCryo-EMノイズ画像から直接ポーズを予測できる最初の幾何学的基礎モデルであるCryoFastARを紹介した。 CryoFastARは、マルチビュー機能と、大規模シミュレーションされたCryo-EMデータに現実的なノイズとCTF変調を統合することで、ポーズ推定精度と一般化を向上する。
  論文  参考訳（メタデータ） (2025-06-06T08:32:32Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
  本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。 高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。 パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-01-23T21:58:19Z)
• Spectral Compressive Imaging Reconstruction Using Convolution and Contextual Transformer [6.929652454131988]
  本稿では,CCoT(Contextual Transformer)ブロックというハイブリッドネットワークモジュールを提案する。 提案したCCoTブロックを,一般化された交互投影アルゴリズムに基づく深層展開フレームワークに統合し,さらにGAP-CTネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-15T06:30:03Z)

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。