arXiv q-bio.NC（Neurons and Cognition）· Daniel Chong, Haomiao Chen, Keith W Jamison, Raja Marjieh, Ilia Sucholutsky, Nori Jacoby, Amy Kuceyeski·· 5 天前AI 评分40
视觉脑编码模型与个体感知相似性判断的对齐研究
Alignment of visual brain encoding models with individual perceptual similarity judgments
AI 导读
研究利用 Natural Scenes Dataset（NSD）中 8 名受试者对 100 张图像的相似性判断，将通用人类相似性判断模型 DreamSim 按受试者分别适配为个性化感知相似性模型，并据此微调各受试者的基线视觉脑编码器。
AI 要点
团队
康奈尔大学等机构，末位作者 Amy Kuceyeski 团队
主要结果
用个性化相似性判断微调的编码器与人类感知最对齐，并能反映个体间相关；用群体通用信息微调优于基线，但仍无法捕捉个体间相关。
解决什么问题
传统脑编码模型只追求预测脑激活的准确率，其内部表征未必反映个体人类的感知。
方法
用 NSD 中 8 名参与者对 100 张图像的相似性判断，按被试分别调适 DreamSim 得到个性化感知相似性模型，再以相同初始化和目标微调各被试的基线编码器。
局限
从研究设计看，仅 8 名参与者、100 张图像，属可行性研究，未设对照。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org