構造モデルと意味モデルと事前情報を用いて視覚経験を「再構成」 - potasiumchの日記
Gallantラボの自然画像デコーディング論文第２弾。前回のカードトリック論文(Kay et al. 2008)(fMRIで記録された脳活動を解析することで、任意の120枚の自然画像のうち被験者がどれを見ていたかを当てる。)をさらに推し進めて、もう少し視覚経験の「再構成」に近づけたもの。 Bayesian reconstruction of natural images from human brain activity. Naselaris T, Prenger RJ, Kay KN, Oliver M, Gallant JL. Neuron. 2009 Sep 24;63(6):902-15. 今回の論文で採用された新しい試みは主に２つあって、一つはベイズ推定の枠組みを使って事前情報を「再構成」に組み入れたこと。もう一つは、視覚エンコーディングモデルとして初期視覚野を模した構造モデルだ
pooneilの脳科学論文コメント: Saliency mapとbayesian surprise (2)
■ Saliency mapとbayesian surprise (2) Laurent IttiはKochのところから独立して、いまはUniversity of Southern Californiaでassistant professorをやってます。ここはラボのサイトがむちゃくちゃ充実してます。Visual Attention: Moviesのムービーをダウンロードして見てみると彼がやってることの具体的なイメージがわくのではないでしょうか。あと、wikiで作られているこちらのサイトにいろいろ有用な情報があります。 んで、Ittiは基本的にSaliency mapのことを継続しているのだけれど、さいきんはsaliencyの概念とは違ったアプローチでbottom-up attentionのことを扱おうとして"bayesian surprise"という概念を提唱してます。くわしくはラボのサ
Compute 3D shape and scene from single image
Publication Feng Han, and Song-Chun Zhu, "Bayesian Reconstruction of 3D Shapes and Scenes From A Single Image", Workshop on Higher-Level Knowledge in 3D Modeling and Motion Analysis, Nice, 2003. Abstract It's common experience for human vision to perceive full 3D shape and scene from a single 2D image with the occluded parts ``filled-in'' by prior visual knowledge. In this paper we repre
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
