arXiv · 机器人与计算机视觉· Neha, Mudasir Ganaie·· 13 小时前AI 评分5
SIRAZ:稀疏跨层残差聚合实现零样本视觉神经解码
SIRAZ: Sparse Inter-Layer Residual Aggregation for Zero-Shot Visual Neural Decoding
AI 导读
SIRAZ 框架通过模拟生物视觉层级,在 THINGS-EEG 数据集上实现 92.5% top-1 准确率,并在 THINGS-MEG 数据集达到 50.25% top-1 准确率。该方法利用高斯差分变换与残差门控适配器对齐神经表征,显著提升了跨模态对齐与零样本图像检索能力。相关预印本已提交至 arXiv,代码与权重暂未提及开放许可。
来源:arXiv · 机器人与计算机视觉 · arxiv.org