論文の概要: NeuroDETR: Multiscale Discrete Spatiotemporal Tokenization for Asynchronous EEG Event Detection

• arxiv url: http://arxiv.org/abs/2610.20349v1
• Date: Wed, 14 Oct 2026 15:27:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.221702
• Title: NeuroDETR: Multiscale Discrete Spatiotemporal Tokenization for Asynchronous EEG Event Detection
• Title（参考訳）: NeuroDETR: 非同期脳波イベント検出のためのマルチスケール離散時空間トークン化
• Abstract要約: 非同期EEGイベント検出は、実用的な脳-コンピュータインタフェースをサポートする。 本稿では、構造化トークン化とイベント認識機能強化を組み合わせた離散的マルチスケールフレームワークを提案する。 これらの知見は、連続的な相互作用とモニタリングの間に有意義な神経活動を認識するBCIシステムの開発の基礎となる。
• 参考スコア（独自算出の注目度）: 18.774725040743085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Asynchronous EEG event detection supports practical brain-computer interfaces by identifying event classes and temporal boundaries directly from continuous recordings without predefined event boundaries at inference time. The primary challenge lies in extracting event-related patterns embedded in ongoing background activity. To address this, we propose \textbf{NeuroDETR}, a discrete spatiotemporal multiscale framework that combines structured tokenization with event-aware feature refinement. Multiscale temporal codebooks capture brief responses and sustained dynamics, while Spatial-Pyramid VQ hierarchically encodes spatial structure across EEG channels. These complementary representations form a compact event memory for jointly classifying events and estimating their onsets and offsets. Before tokenization, we apply FOCAL, an event-aware sparse attention module that uses predicted event presence to guide temporal feature refinement and spatial aggregation, emphasizing likely event periods while preserving context across the recording. Experiments on eight EEG datasets that span diverse paradigms demonstrate state-of-the-art performance. These findings provide a basis for the development of BCI systems that recognize meaningful neural activity during continuous interaction and monitoring.
• Abstract（参考訳）: 非同期EEGイベント検出は、イベントクラスと時間境界を推論時に事前に定義されたイベント境界なしで連続記録から直接識別することで、実用的な脳-コンピュータインターフェースをサポートする。 主な課題は、進行中のバックグラウンドアクティビティに埋め込まれたイベント関連パターンの抽出である。 これを解決するために,構造化トークン化とイベント認識機能改善を組み合わせた離散時空間マルチスケールフレームワークであるtextbf{NeuroDETR}を提案する。 マルチスケールのテンポラルコードブックは短い応答と持続的なダイナミクスを捉え、Spatial-Pyramid VQはEEGチャネル間の空間構造を階層的にエンコードする。 これらの補完表現は、イベントを共同分類し、そのオンセットとオフセットを推定するためのコンパクトなイベントメモリを形成する。 トークン化前は、予測イベント存在を用いたイベント認識スパースアテンションモジュールであるFOCALを適用し、時間的特徴の洗練と空間的集約をガイドし、記録全体にわたってコンテキストを保存しながらイベント周期を強調する。 さまざまなパラダイムにまたがる8つのEEGデータセットの実験は、最先端のパフォーマンスを示している。 これらの知見は、連続的な相互作用とモニタリングの間に有意義な神経活動を認識するBCIシステムの開発の基礎となる。

関連論文リスト

• Efficient Multi-Timescale Event Representations for Feed-Forward Object Detection [4.654827623279545]
  イベントカメラでは、オブジェクト検出は通常、時間とともにわずかな時間情報を蓄積するために、繰り返しアーキテクチャに依存する。 対数的B-スプライン時間符号化に基づく信頼度正規化連続マルチスケール表現を提案する。 提案した表現は、PEDRoおよびGen1データセット上のコンパクトなCSTR表現よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-09-04T12:12:26Z)
• EventGait: Towards Robust Gait Recognition with Event Streams [50.890621860023]
  イベントカメラは、マイクロ秒時間分解能と高ダイナミックレンジを提供し、自然にロバストなダイナミックキューをキャプチャし、静的ノイズを抑制する。 イベントの利点を保ちながら、動きと形状を別々にモデル化する、エンドツーエンドのデュアルストリームフレームワークである textbfEventGait を提案する。 当社のアプローチでは,イベント駆動歩行分析の堅牢性と可能性を強調し,合成および実世界の歩行ベンチマークに新たな技術状況が設定されている。
  論文  参考訳（メタデータ） (2026-05-21T08:12:04Z)
• Rethinking Event-Based Object Dtection through Representation-Level Temporal Aggregation and Model-Level Hypergraph Reasoning [65.08890312027314]
  イベントカメラはマイクロ秒レベルの時間分解能、低レイテンシ、高ダイナミックレンジを提供する。 Event Dual Temporal-Relational Aggregation Detector (Ev-DTAD)は、表現レベルの時間エンコーディングとモデルレベルの時間-ハイパーグラフ推論を統合する。 Ev-DTADは、コンパクトな時間的表現と時間的ハイパーグラフの特徴的推論の相補性を検証し、競争精度と効率のトレードオフを実現する。
  論文  参考訳（メタデータ） (2026-05-09T09:20:34Z)
• Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets [71.53287557600177]
  イベントベースの異常検出を統一研究の方向性として確立するための第一歩を踏み出す。 まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。 次に,EVent中心のビデオ異常検出フレームワークであるEWADを提案する。
  論文  参考訳（メタデータ） (2026-03-26T03:33:33Z)
• Bridging Discrete Marks and Continuous Dynamics: Dual-Path Cross-Interaction for Marked Temporal Point Processes [13.290746265058644]
  NEXTPPは,イベント・グラニュラー・ニューラル・エボリューションを通じて離散的かつ連続的な表現を統一する,デュアルチャネル・フレームワークである。 NextPPは、自己アテンション機構を介して離散イベントマークをエンコードし、同時に潜時連続状態を進化させる。 融合表現はニューラルホークス過程の条件強度関数を駆動し、イテレーティブな薄型サンプリング器は将来の事象を生成する。
  論文  参考訳（メタデータ） (2026-03-12T02:39:47Z)
• EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception [57.54227977352417]
  イベントカメラは、知覚タスクのための高速なイベントストリームを出力する。 ユークリッド空間と双曲空間の両方においてイベントストリームを知覚するためのEHGCNという新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-23T11:01:03Z)
• Dynamic Subframe Splitting and Spatio-Temporal Motion Entangled Sparse Attention for RGB-E Tracking [32.86991031493605]
  イベントベースのバイオニックカメラは、高時間分解能と高ダイナミックレンジで動的シーンをキャプチャする。 イベントストリームをよりきめ細かいイベントクラスタに分割する動的イベントサブフレーム分割戦略を提案する。 そこで我々は,事象特徴の時間的・空間的相互作用を高めるために,事象に基づくスパースアテンション機構を設計する。
  論文  参考訳（メタデータ） (2024-09-26T06:12:08Z)
• XTSFormer: Cross-Temporal-Scale Transformer for Irregular-Time Event Prediction in Clinical Applications [23.946633955844423]
  非安全ケアに関連する副作用は、米国での死因のトップ10に入る。 イベントデータは、連続するイベント間の時間間隔の不規則性、サイクルの存在、周期性、複数スケールのイベントインタラクション、長いイベントシーケンスに関連する高い計算コストなど、いくつかのユニークな課題を提起する。 本稿では,時間的不規則なイベントデータに特化して設計されたクロステンポラリスケールトランスフォーマー(XTSFormer)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T20:33:39Z)
• Latent Event-Predictive Encodings through Counterfactual Regularization [0.9449650062296823]
  本稿では,新しい正則化方式を用いたSUGAR(Surprise-GAted Recurrent Neural Network)を提案する。 隠れたグラフ構造を交互に並べてシーケンスを生成する階層的シーケンス予測タスクでモデルをテストします。
  論文  参考訳（メタデータ） (2021-05-12T18:30:09Z)

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。