論文の概要: Mind2Cloud: EEG-to-Point Cloud Generation with Two-Granularity Diffusion Decoding
- arxiv url: http://arxiv.org/abs/2609.13991v1
- Date: Sat, 12 Sep 2026 15:08:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.631245
- Title: Mind2Cloud: EEG-to-Point Cloud Generation with Two-Granularity Diffusion Decoding
- Title（参考訳）: Mind2Cloud: 双方向拡散デコードによるEEG-to-Pointクラウド生成
- Abstract要約: 2つの粒度拡散復号に基づく新しいEEG-to-point-cloud生成フレームワークであるMind2Cloudを提案する。
Mind2Cloudの中核は、グローバルトランスフォーマーブランチとローカルのPoint-Voxel CNNブランチを統合する、タイムアウェアなデコーダである。
EEG-3Dデータセットの実験では、Mind2Cloudは、幾何学的精度とセマンティックアライメントの両方において、以前の作業よりも優れていたことが示されている。
- 参考スコア（独自算出の注目度）: 14.012342907165602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing 3D objects from brain signals offers a promising avenue for understanding human visual cognition. While prior work has shown initial success using EEG signals for 3D reconstruction, existing methods typically employ a uniform diffusion decoder, overlooking the evolving semantic granularity of both EEG representations and the diffusion denoising process. In this paper, we propose Mind2Cloud, a novel EEG-to-point-cloud generation framework based on two-granularity diffusion decoding. The core of Mind2Cloud is a time-aware decoder that integrates a global Transformer branch and a local Point-Voxel CNN (PVCNN) branch across diffusion timesteps through a learnable fusion mask. Specifically, Transformer layers are incorporated into the early upsampling stages to capture global object structure under high uncertainty, while PVCNN modules are used in later stages to refine local geometric details. Inspired by the hierarchical nature of EEG-based visual representations, this design dynamically adapts its spatial granularity in accordance with the coarse-to-fine trajectory of diffusion denoising. We further introduce an adversarial refinement module to enhance geometric realism and semantic consistency. Extensive experiments on the EEG-3D dataset across all 12 subjects demonstrate that Mind2Cloud outperforms prior work in both geometric accuracy and semantic alignment, setting a new benchmark for EEG-to-point-cloud generation. Our source code is available at https://github.com/duasoi/Mind2Cloud.
- Abstract（参考訳）: 脳信号から3Dオブジェクトを再構築することは、人間の視覚的認知を理解するための有望な道を提供する。
これまでの研究では、脳波信号を用いて3次元再構成を行うことに成功したが、既存の手法では、脳波表現と拡散復調プロセスの両方の進化的セマンティックな粒度を見越して、一様拡散復号器を用いるのが一般的である。
本稿では,2つの粒度拡散復号に基づく新しいEEG-to-point-cloud生成フレームワークであるMind2Cloudを提案する。
Mind2Cloudのコアは、グローバルトランスフォーマーブランチとローカルのPoint-Voxel CNN(PVCNN)ブランチを、学習可能なフュージョンマスクを通じて拡散タイムステップにわたって統合する、タイムアウェアなデコーダである。
具体的には、トランスフォーマー層を初期アップサンプリングステージに組み込んで、不確実性の高いグローバルオブジェクト構造をキャプチャし、PVCNNモジュールは後段で局所幾何学的詳細を洗練するために使用される。
脳波に基づく視覚表現の階層的性質に着想を得たこの設計は、拡散の粗い微細な軌跡に従って、その空間的粒度を動的に適応させる。
さらに,幾何学的リアリズムと意味的整合性を高めるために,対角修正モジュールを導入する。
すべての12の被験者にわたるEEG-3Dデータセットに関する大規模な実験では、Mind2Cloudは、幾何学的精度とセマンティックアライメントの両方において、以前の作業よりも優れており、EEG-to-point-cloud生成のための新しいベンチマークが設定されている。
ソースコードはhttps://github.com/duasoi/Mind2Cloud.comから入手可能です。
関連論文リスト
- Stream3Dv2: Geometric-Semantic Fusion Enhanced Streaming Zero-Shot 3D Scene Understanding [7.823301846592561]
Stream3Dv2は、堅牢なストリーミング3D知覚のために設計されたトレーニング不要のフレームワークである。
幾何学的ノイズと意味的あいまいさを解消する包括的幾何学的意味融合機構を導入する。
公開データセットの実験では、Stream3Dv2が、基礎となるオープン語彙のストリーミング3Dセグメンテーションと検出において、既存のベースラインを一貫して上回っていることが示されている。
論文 参考訳（メタデータ） (2026-08-21T14:13:02Z) - MindAlign: Bridging EEG, Vision, and Language for Zero-Shot Visual Decoding [36.958608375007124]
脳信号からの視覚的復号化は、コンピュータビジョンと神経科学の交差において重要な課題である。
本稿では,脳波,視覚,テキスト表現の整合性を考慮した,脳波に基づく視覚的デコーディングのための3モーダルコントラストフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-23T11:23:21Z) - Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - UniUGG: Unified 3D Understanding and Generation via Geometric-Semantic Encoding [65.60549881706959]
3Dモダリティのための最初の統一的理解・生成フレームワークUniUGGを紹介する。
本フレームワークでは,LLMを用いて文や3次元表現の理解とデコードを行う。
遅延拡散モデルを利用して高品質な3次元表現を生成する空間デコーダを提案する。
論文 参考訳（メタデータ） (2025-08-16T07:27:31Z) - Uni4D: A Unified Self-Supervised Learning Framework for Point Cloud Videos [70.07088203106443]
既存の手法は運動を学ぶための明示的な知識に依存しており、結果として準最適表現をもたらす。
Masked Autoentangler (MAE)フレームワークは、4Dデータにおける低レベルの幾何学と高レベルのダイナミックスの間のギャップを埋めるのに苦労している。
本稿では,表現的,識別的,移動可能な4次元表現を学習するための,新しい自己異方性MAEを提案する。
論文 参考訳（メタデータ） (2025-04-07T08:47:36Z) - EEG-Driven 3D Object Reconstruction with Style Consistency and Diffusion Prior [1.7205106391379026]
本稿では,脳波を用いた3次元オブジェクト再構成手法を提案する。
実験により,この手法は脳波データを効果的に利用して3次元オブジェクトをスタイル整合性で再構築できることが実証された。
論文 参考訳（メタデータ） (2024-10-28T12:59:24Z) - Mesh Denoising Transformer [104.5404564075393]
Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。
SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。
局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。
Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
論文 参考訳（メタデータ） (2024-05-10T15:27:43Z) - Dynamic 3D Point Cloud Sequences as 2D Videos [81.46246338686478]
3Dポイントクラウドシーケンスは、現実世界の環境における最も一般的で実用的な表現の1つとして機能する。
textitStructured Point Cloud Videos (SPCV) と呼ばれる新しい汎用表現を提案する。
SPCVは点雲列を空間的滑らかさと時間的一貫性を持つ2Dビデオとして再編成し、画素値は点の3D座標に対応する。
論文 参考訳（メタデータ） (2024-03-02T08:18:57Z) - PointMCD: Boosting Deep Point Cloud Encoders via Multi-view Cross-modal
Distillation for 3D Shape Recognition [55.38462937452363]
本稿では,教師として事前訓練されたディープイメージエンコーダ,学生としてディープポイントエンコーダを含む多視点クロスモーダル蒸留アーキテクチャを提案する。
複数ビューの視覚的および幾何学的記述子をペアワイズにアライメントすることで、より強力なディープポイントエンコーダを、疲労や複雑なネットワーク修正を伴わずに得ることができる。
論文 参考訳（メタデータ） (2022-07-07T07:23:20Z) - Transformer-based Spatial-Temporal Feature Learning for EEG Decoding [4.8276709243429]
本稿では,主に注意機構に依存する新しい脳波復号法を提案する。
我々はより少ないパラメータで、脳波の多分類化における最先端のレベルに達しました。
脳-コンピュータインタフェース(BCI)の実用性を促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2021-06-11T00:48:18Z)
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。