仿生捕获：基于证据驱动的神经仿生感知模拟用于视觉解码
种群与进化
2026-04-21 v1
摘要
视觉神经信号的解码是脑机接口(BI)和计算神经科学中的关键挑战。然而，当前方法往往受制于神经与视觉模态之间系统性和随机性差距，很大程度上忽略了人类视觉系统(HVS)内在计算机制。为此，我们提出仿生捕获(BI-Cap)，一种仿神经感知模拟范式，通过模拟 HVS 处理来对齐这些模态。具体而言，我们构建由四个在生物上可信的动态与静态转换组成的仿神经管线，配合基于相互信息(MI)的动态模糊调节，以模拟自适应视觉处理。此外，为缓解神经活动固有非平稳性，我们引入证据驱动的潜在空间表示。该表述显式建模不确定性，从而确保稳健的神经嵌入。对两个公开基准测试中基于零样本脑-图像检索的广泛评估表明，BI-Cap显著优于最新方法，分别实现了9.2%和8.0%的相对提升。我们已在 GitHub 上发布源代码，链接为 https://github.com/flysnow1024/BI-Cap。
引用
@article{arxiv.2604.17926,
title = {Information on hidden birth events restores identifiability in phylodynamic inference},
author = {Tobias Dieselhorst and Tanja Stadler},
journal= {arXiv preprint arXiv:2604.17926},
year = {2026}
}