HyNeuralMap：视觉语义到神经层级的双曲映射

理解视觉刺激与神经反应之间的复杂映射是认知神经科学中的一个基本挑战。当前方法主要在欧几里得空间中对齐图像和功能磁共振成像（fMRI）响应，然而这种几何结构通常难以保持视觉与神经模态间细粒度的语义关系和潜在的层级结构。为克服这一局限，我们提出了 HyNeuralMap，这是一个采用双曲 Lorentz 模型将视觉语义映射到共享的跨受试者神经层级的框架。通过利用双曲空间的负曲率作为归纳偏置，该框架能更好地捕捉层级语义组织和跨受试者神经相似性。具体而言，视觉和神经嵌入通过双曲几何对齐进行联合优化，其中测地线距离比欧几里得嵌入更有效地保持了语义邻近性和层级关系。实验表明，HyNeuralMap 在多标签语义预测和跨模态检索任务中均持续优于最先进的欧几里得基线方法。这证实了双曲几何在跨模态语义对齐和层级建模方面的优越性，为视觉-神经表征学习提供了新途径。