机构名称：
¥ 1.0
尽管人工智能取得了进展，但物体识别模型在模拟人脑的视觉信息处理方面仍然落后。最近的研究强调了使用神经数据模拟大脑处理的潜力；然而，这些研究通常依赖于非人类受试者的侵入性神经记录，这在理解人类视觉感知方面留下了一个关键的空白。为了解决这一空白，我们首次提出了“Re（表征）Al（对齐）net”，这是一种基于非侵入性脑电图的与人脑活动对齐的视觉模型，显示出与人脑表征的相似性显著提高。我们创新的图像到大脑多层编码框架通过优化多个模型层来推进人类神经对齐，并使模型能够有效地学习和模仿人脑在对象类别和不同模态中的视觉表征模式。我们的研究结果表明，ReAlnet 代表了弥合人工视觉和人类视觉之间差距的突破，并为更多类似大脑的人工智能系统铺平了道路。
ReAlnet：通过人类实现更像人类大脑的视觉……
主要关键词
相关文件推荐
