論文の概要: Semantic Alignment of EEG and Text: A Contrastive Learning Framework for Decoding Imagined Speech

• arxiv url: http://arxiv.org/abs/2610.20766v1
• Date: Wed, 14 Oct 2026 18:14:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.010799
• Title: Semantic Alignment of EEG and Text: A Contrastive Learning Framework for Decoding Imagined Speech
• Title（参考訳）: 脳波とテキストのセマンティックアライメント:想像音声のデコードのためのコントラスト学習フレームワーク
• Abstract要約: 我々は,マルチモーダル・コントラスト学習の枠組みを仮想音声に適用する。 脳波エンコーダは、意味的に重み付けされた脳波文のアライメントとテキストプロトタイプに基づくクラス識別を組み合わせた複合目的で訓練される。
• 参考スコア（独自算出の注目度）: 0.11999555634662629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imagined speech decoding from EEG offers a promising route toward naturalistic brain-computer interfaces. Traditional closed-set classifiers treat semantic categories as independent labels and do not explicitly exploit relationships among linguistic intents, limiting output flexibility. We adapt a multimodal contrastive learning framework to imagined speech, aligning EEG trials with language representations in the embedding space of a frozen pretrained text encoder. An EEG encoder is trained with a composite objective combining semantically reweighted EEG-sentence alignment and text-prototype-based class discrimination, encouraging semantic structure while preserving separability among 39 intent categories. We evaluate the approach on the Chisco imagined speech dataset across five subjects, reporting Top-k accuracy, macro-F1, and balanced pairwise matching accuracy (2v2). We also investigate maximum EEG-text cosine similarity (MaxCosine) as an intrinsic indicator of decoding reliability and probe semantic structure beyond category labels using five evaluation-time semantic axes and a qualitative Semantic Gallery Probe (SGP) with previously unseen candidate sentences. The contrastive framework achieved decoding performance comparable to a task-optimized closed-set classifier while mapping EEG into a frozen language embedding space. MaxCosine identified subsets of held-out trials with higher Top-1 and Top-5 accuracy across subjects. Evaluation-time semantic axes showed mean agreement above the 50% chance reference across all five dimensions, and the SGP qualitatively illustrated direct comparison with unseen candidate sentences. Together, these findings suggest that EEG-language alignment can retain comparable fixed-intent decoding while supporting similarity-based retrieval, intrinsic reliability ranking, and evaluation of broader semantic structure.
• Abstract（参考訳）: 脳波からの音声の復号化は、自然主義的な脳-コンピュータインターフェースへの有望な経路を提供する。 伝統的なクローズドセット分類器は意味圏を独立ラベルとして扱い、言語意図間の関係を明示的に利用せず、出力の柔軟性を制限している。 我々は,凍結事前学習したテキストエンコーダの埋め込み空間において,脳波試行と言語表現とを一致させて,マルチモーダルなコントラスト学習フレームワークを仮想音声に適用する。 脳波エンコーダは、意味的に重み付けされた脳波文のアライメントとテキストプロトタイプに基づくクラス識別を組み合わせた複合目的を用いて訓練され、39の意図カテゴリーの分離性を維持しながら意味構造を奨励する。 提案手法は,5つの被験者を対象に,Top-kの精度,マクロF1の精度,ペアワイドマッチングの精度(2v2)を報告する。 また、5つの評価時間意味軸と、未確認の候補文を持つ定性セマンティック・ギャラリー・プローブ(SGP)を用いて、デコード信頼性とカテゴリラベルを超えたプローブ意味構造を示す本質的な指標として、EEG-text cosine similarity(MaxCosine)の最大値について検討した。 対照的なフレームワークは、EEGを凍結言語埋め込み空間にマッピングしながら、タスク最適化クローズドセット分類器に匹敵するデコード性能を達成した。 MaxCosineは、被験者全体でTop-1とTop-5の精度が高い保留試験のサブセットを特定した。 評価時間意味軸は5次元すべてで50%の確率基準を超える平均一致を示し、SGPは未知の候補文と直接比較した。 これらの結果から, 類似性に基づく検索, 内在的信頼性ランキング, より広範な意味的構造の評価をサポートしながら, 脳波によるアライメントは, 同等の固定インテント復号を維持可能であることが示唆された。

関連論文リスト

• Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
  本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。 本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。 その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-09-07T17:39:06Z)
• From transcription to semantic corpus analysis: unsupervised learning of sentence representations for ancient languages [0.0]
  本研究では,特殊トークンレベルの言語モデルをコーパス固有の文エンコーダに適応させる,教師なしの2つの戦略について検討する。 再利用識別を2つの個別評価タスク-バイナリ検出と対応検索に分解する。 適応エンコーダは両方のタスクで全てのベースラインを上回り、補完的なプロファイルを持つ。
  論文  参考訳（メタデータ） (2026-07-27T15:20:13Z)
• Weave of Formal Thought [51.56484100374058]
  WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。 本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。 Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
  論文  参考訳（メタデータ） (2026-06-24T15:58:11Z)
• Explaining, Verifying, and Aligning Semantic Hierarchies in Vision-Language Model Embeddings [10.299190830046872]
  本稿では,VLMによって誘発されるセマンティック階層を,特定の子クラスに対して説明し,検証し,調整するためのポストホックフレームワークを提案する。 我々は,効率的な木認識とエッジレベルの整合性尺度を用いて,抽出した木と人間の検索を比較して妥当性を定量化し,説明可能な階層木トラバース推定による有用性を評価する。
  論文  参考訳（メタデータ） (2026-03-26T00:38:38Z)
• AQAScore: Evaluating Semantic Alignment in Text-to-Audio Generation via Audio Question Answering [97.52852990265136]
  音声対応大規模言語モデルの推論機能を活用するバックボーン非依存評価フレームワークであるAQAScoreを紹介する。 AQAScoreは人格関連性、ペア比較、構成推論タスクを含む複数のベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-01-21T07:35:36Z)
• Harmonic Token Projection (HTP): A Vocabulary-Free, Training-Free, Deterministic, and Reversible Embedding Methodology [0.0]
  Harmonic Token Projection (HTP) は、訓練、語彙、パラメータなしでテキスト埋め込みを生成するための可逆的で決定論的フレームワークである。 HTPは英語でrho = 0.68のスピアマン相関を達成し、10言語で安定した性能を維持している。 これは有意義な意味関係が決定論的幾何学から出現し、データ駆動型埋め込みの透過的で効率的な代替手段を提供することを示している。
  論文  参考訳（メタデータ） (2025-11-10T20:51:18Z)
• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• Cueless EEG imagined speech for subject identification: dataset and benchmarks [2.6499018693213316]
  脳波をベースとした疑似音声パラダイムを導入し,外的手がかりを伴わない意味論的意味のある単語の発音を被験者が想像する。 分類精度は97.93%であった。 これらの知見は、現実世界のアプリケーションにおいて、セキュアで信頼性の高い被検体識別のためのキューレス脳波パラダイムの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-01-16T17:54:56Z)
• Federated Contrastive Learning for Personalized Semantic Communication [55.46383524190467]
  我々は,パーソナライズされたセマンティックコミュニケーションを支援することを目的とした,協調型コントラスト学習フレームワークを設計する。 FedCLは、複数のクライアントにわたるローカルセマンティックエンコーダと、基地局が所有するグローバルセマンティックデコーダの協調トレーニングを可能にする。 分散クライアント間の異種データセットから生じるセマンティック不均衡問題に対処するために,コントラスト学習を用いてセマンティックセントロイドジェネレータを訓練する。
  論文  参考訳（メタデータ） (2024-06-13T14:45:35Z)
• Speaker Embedding-aware Neural Diarization: a Novel Framework for Overlapped Speech Diarization in the Meeting Scenario [51.5031673695118]
  重なり合う音声のダイアリゼーションを単一ラベル予測問題として再構成する。 話者埋め込み認識型ニューラルダイアリゼーション(SEND)システムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T06:40:39Z)

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。