基于脑导引的通用特征空间上的视觉概念发现 AlignedCut
逻辑
2025-08-28 v2
摘要
我们研究了视觉数据、深度网络与大脑之间的引人入目的联系。我们的方法通过使用脑体素 fMRI 响应预测作为训练目标来创建通用的通道对齐。我们发现，不同目标训练的深度网络在各种模型之间共享常见的特征通道。这些通道可以聚类为反复出现的集合，对应于不同的大脑区域，表明视觉概念的形成。将这些通道响应的聚类轨迹映射到图像上，我们看到即使没有任何监督解码器，语义上有意义的物体片段也会出现。此外，通用的特征对齐和通道聚类产生了关于视觉信息如何通过不同网络层处理的图像和量化表述，产生对不同网络的精确比较。
引用
@article{arxiv.2406.18341,
title = {Partially-elementary end extensions of countable models of set theory},
author = {Zachiri McKenzie},
journal= {arXiv preprint arXiv:2406.18341},
year = {2025}
}
备注
23 pages. This is a later draft of arXiv:2201.04817