提出 SIRAZ 框架实现零样本视觉神经解码
热点事件持续更新
提出 SIRAZ 框架实现零样本视觉神经解码
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
研究团队提出了 SIRAZ 框架,利用稀疏跨层残差聚合模拟生物视觉层级,实现了零样本视觉神经解码。该方法在 THINGS-EEG 数据集上达到 92.5% top-1 准确率,在 THINGS-MEG 数据集上达到 50.25% top-1 准确率。相关预印本已提交至 arXiv,代码与权重暂未提及开放许可。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
SIRAZ:稀疏跨层残差聚合实现零样本视觉神经解码报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉SIRAZ:稀疏跨层残差聚合实现零样本视觉神经解码
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。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。