MED-VAE 无需共享刺激即可对齐跨被试神经活动,发表于 CCN 2026
somnirons · x · 2026-10-15
Papathanasiou、Jascha Achterberg 等人在 arXiv 发布论文《Task-guided cross-subject latent alignment》,提出多编码器-解码器 VAE(MED-VAE),利用预训练 ANN 提供的公共骨架,在不要求被试间共享刺激的条件下实现跨被试神经活动对齐。
基于 Natural Scenes Dataset 的实验显示:
- MED-VAE 构建的公共潜空间语义组织更好,跨被试对齐度超过常用方法,且对保留刺激的泛化更稳健;
- 从公共空间重建回各被试神经空间时,刺激驱动信号得以保留;
- 该对齐直接支持跨被试神经预测,并演示了跨被试图像解码。
工程上,新增被试成本很低:冻结共享空间,只在该被试自己的图像上训练新的编码器/解码器,用 20% 数据即可恢复约 98% 的对齐效果和自重建噪声上限的 90%。论文发表于 CCN 2026,代码已开源。
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