MED-VAE 构建跨被试共享脑活动空间，图像检索 Top-1 达 46.2%
somnirons · x · 2026-10-15
作者团队在 CCN 2026（口头报告）提出 MED-VAE（Multi-Encoder-Decoder VAE），一种模型引导的跨被试共享神经潜空间方法。
- 架构：用预训练 ResNet-50 作脚手架，各被试的 fMRI 活动通过各自的 encoder 对齐到共享潜空间 z，再用各自 decoder 还原；不要求被试看到相同刺激，训练完成后 ResNet 可弃用。
- 效果：跨被试 Top-1 图像检索 46.2%（对比 SRM 21.8%、Procrustes 18.4%，随机 0.8%），Top-5 达 80.3%；跨被试 RSA 相似度 0.63 vs 0.41。
- 消融：未训练 ResNet-50 使检索从 46.2% 跌至 6.6%，打乱神经-模型对应仅 1.0%（随机 0.8%），说明共享结构来自神经数据与预训练特征的真实对齐。
- 新被试成本低：冻结共享空间、只训新被试的 encoder/decoder，用其 20% 数据即可恢复约 98% 的对齐水平、90% 的自重建噪声上限（10% 数据时对齐已接近全量）。
所属事件:MED-VAE 实现跨被试脑活动对齐，图像检索 Top-1 达 46.2%(2 条相关)→
「研究」频道最新
- AlphaNIST 单策略通关 20 项 NIST 装配任务,仿真成功率 98.2% — hbouammar · 2026-10-15
- Depth Memory 框架提出线性深度记忆,在 DepthBench 上表现亮眼 — SonglinYang4 · 2026-10-15
- 曼彻斯特大学神经场优化混合制造，GE-Bracket 估算制造时间省 68.3% — jiqizhixin · 2026-10-15
- Tev-Gym 发布：1170 个长程 RL 环境练出比肩前沿的 agent — RulinShao · 2026-10-15
- Claude 逐点拆解 EDAR-硒缺陷假说：拼凑事实加推测不成立 — teortaxesTex · 2026-10-15
- 微软AutoEnvScaling自造RL环境,Qwen3终端成绩从41.1提至53.3 — omarsar0 · 2026-10-15