論文の概要: Replaying the Movie in Your Mind Decoding Dynamic Visual Perception and Recall from EEG

• arxiv url: http://arxiv.org/abs/2610.13120v1
• Date: Fri, 09 Oct 2026 07:15:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.448569
• Title: Replaying the Movie in Your Mind Decoding Dynamic Visual Perception and Recall from EEG
• Title（参考訳）: 脳波のダイナミックな視覚認識とリコールを心の中で再現する
• Abstract要約: 我々は、自然主義的なビデオ視聴と即時的な視覚的リコールを組み合わせたEEGベンチマークであるPAIRを紹介する。 階層型セマンティック分類における複数の復号モデルを,粒度と粗度の両方でベンチマークする。 対象物内検証の結果は、複数のモデル-タスクの組み合わせに対して数値的に類似した性能を示す。
• 参考スコア（独自算出の注目度）: 29.708063553527158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decoding dynamic visual content from EEG has advanced rapidly for visual perception, yet it remains unclear which aspects of neural representations are preserved when people internally replay dynamic scenes. We introduce PAIR, an EEG benchmark collected from 20 participants using an interleaved, clip-wise paradigm that pairs naturalistic video viewing with immediate visual recall. This design enables a comparison between externally driven perception and internally generated recall for the same stimulus content within a fixed trial sequence. We benchmark multiple decoding models on hierarchical semantic classification at both fine-grained and coarse-grained levels, meta-feature decoding tasks covering motion, color, object number, face, and human presence, and a state-decoding task that discriminates perception from recall. Within-subject validation results show numerically similar performance for several model--task combinations, alongside higher perception accuracy in two coarse-grained comparisons after multiple-comparison correction. In contrast, perception and recall are highly separable at the state level under the present validation protocol. State accuracy remains high after alpha-band ablation, although this does not exclude ocular or other task-related contributions.
• Abstract（参考訳）: 脳波からの動的視覚内容の復号化は視覚知覚において急速に進んでいるが、内部で動的シーンを再生する際に神経表現のどの側面が保存されているかはいまだ不明である。 我々は20人の参加者から収集されたEEGベンチマークであるPAIRを紹介した。 この設計により、固定された試行シーケンス内の同じ刺激内容に対して、外部駆動された知覚と内部で生成されたリコールを比較することができる。 我々は,階層的セマンティック分類における複数のデコードモデルを,粒度と粗粒度の両方でベンチマークし,動作,色,対象番号,顔,人間の存在を包含するメタ機能デコードタスク,リコールからの認識を識別する状態デコードタスクをベンチマークした。 対象物内検証の結果は、複数のモデル-タスクの組み合わせに対して、多重比較補正後の2つの粗粒度比較における高い知覚精度とともに、数値的に類似した性能を示す。 対照的に、現在の検証プロトコルでは、認識とリコールは状態レベルで非常に分離可能である。 アルファバンドアブレーション後の状態精度は高いが、眼や他のタスク関連の貢献は除外しない。

関連論文リスト

• Visual Semantic Decoding of Electrocorticography from Video Stimuli using End-to-End Deep Learning [1.229249703238137]
  ECoGに基づく視覚意味復号法は、複雑でノイズの多い脳活動から視覚知覚の意味論的解釈を推測することができる。 本研究では、心電図を用いたエンドツーエンドディープラーニングフレームワークを用いた視覚的セマンティックデコーディングの実現可能性について検討する。
  論文  参考訳（メタデータ） (2026-07-21T10:06:32Z)
• Coarse-to-fine Hierarchical Architecture with Sequential Mamba for Brain Reconstruction [5.732406989501624]
  画像-fMRI符号化のための新しい階層型2段階フレームワークであるCHASMBrainを提案する。 我々のアーキテクチャは、グローバルなセマンティックトークンと局所的な空間パッチを明確に分離し処理するために、デュアルストリームのMamba設計を活用している。 提案手法はPearsonの0.429とMSE0.261の相関を達成し,評価基準線を上回る結果を得た。
  論文  参考訳（メタデータ） (2026-06-03T11:53:23Z)
• Multimodal Emotion Recognition via Bi-directional Cross-Attention and Temporal Modeling [2.8037951156321377]
  本稿では,第10回ABAWチャレンジにおける表現課題に対するマルチモーダル感情認識フレームワークを提案する。 本フレームワークは,視覚および音声表現学習のための大規模事前学習モデルを構築し,それらを統合マルチモーダルアーキテクチャに統合する。 ABAW 10th EXPRベンチマークの実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-03-12T14:20:29Z)
• Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening [54.66784646111214]
  新しいタスク:カイラルな行動認識(chiral action recognition)を導入し、時間的に反対な行動のペアを区別する必要がある。 私たちのゴールは、これらのカイラルペア間の線形分離性を提供する、時間を考慮したビデオ表現を作ることです。 その結果、3つのデータセットにまたがって提案したタスクに対して,コンパクトだが時間に敏感なビデオ表現が得られることがわかった。
  論文  参考訳（メタデータ） (2025-09-10T11:23:10Z)
• Generalized Visual Relation Detection with Diffusion Models [94.62313788626128]
  視覚的関係検出(VRD)は、画像内のオブジェクトペア間の関係(または相互作用)を特定することを目的としている。 本稿では,視覚的関係を連続的な埋め込みとしてモデル化し,一般化されたVRDを条件付き生成方法で実現するための拡散モデルの設計を提案する。 我々のDiff-VRDは、予め定義されたデータセットのカテゴリラベルを超えて、視覚的な関係を生成できる。
  論文  参考訳（メタデータ） (2025-04-16T14:03:24Z)
• Top-down inference in an early visual cortex inspired hierarchical Variational Autoencoder [0.0]
  我々は変分オートエンコーダの進歩を利用して、自然画像に基づいて訓練された疎い符号化階層型VAEを用いて、初期視覚野を調査する。 一次および二次視覚皮質に見られるものと類似した表現は、軽度の誘導バイアスの下で自然に現れる。 生成モデルを用いた2つの計算のシグネチャに対して,ニューロサイエンスに着想を得た認識モデルの選択が重要であることを示す。
  論文  参考訳（メタデータ） (2022-06-01T12:21:58Z)
• Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
  自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。 SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-11-23T03:29:18Z)
• ASCNet: Self-supervised Video Representation Learning with Appearance-Speed Consistency [62.38914747727636]
  本研究では,1)明示的な監督のためのラベルの欠如,2)構造化されていない,ノイズの多い視覚情報による自己指導型映像表現学習について検討する。 既存の方法は、主にビデオクリップをインスタンスとしてコントラスト損失を使用し、互いにインスタンスを識別することで視覚的表現を学ぶ。 本稿では,ロバストな映像表現を学ぶ上で,正のサンプル間の一貫性が鍵となることを観察する。
  論文  参考訳（メタデータ） (2021-06-04T08:44:50Z)
• Memory-augmented Dense Predictive Coding for Video Representation Learning [103.69904379356413]
  本稿では,新しいアーキテクチャと学習フレームワーク Memory-augmented Predictive Coding (MemDPC) を提案する。 本稿では、RGBフレームからの視覚のみの自己教師付きビデオ表現学習や、教師なし光学フローからの学習、あるいはその両方について検討する。 いずれの場合も、トレーニングデータの桁数が桁違いに少ない他のアプローチに対して、最先端または同等のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2020-08-03T17:57:01Z)

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。