跨主体EEG反对于隐含的图像生成

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 生成模型创建新的内容,但通常需要明确的用户输入,以与人类的目标保持一致.
• 将来自多个用户的隐性,多样化的反集成到生成模型中仍然是一个重大挑战.
• 目前的方法缺乏用户基于潜意识偏好的直观机制来引导内容生成.

研究的目的:

• 开发一种新的系统,通过直接从大脑信号推断人类目标来生成新的面部图像.
• 探索将来自神经数据的隐性用户反集成到生成模型中.
• 证明使用脑电图 (EEG) 引导生成对抗网络 (GANs) 进行个性化图像合成的可行性.

主要方法:

• 记录了30名受试者的脑电图 (EEG) 脑反应,这些受试者观看了具有特定突出视觉特征 (VF) 的面部图像.
• 从他们的大脑反应中解码了对象对VF的偏好.
• 利用解码的神经偏好作为隐性反来指导生成对抗网络 (GAN) 在生成新的面部图像.

主要成果:

• 通过解码的大脑反,GAN成功生成了新的面部图像.
• 一项后续的用户研究证实,生成的图像反映了受试者关于突出VF的预期目标.
• 大脑反生成的图像的质量和目标调整与使用手动反生成的图像相似.

结论:

• 这项研究提出了一种首创的系统,用于从大脑信号推断人类目标,以指导生成模型.
• 这种方法代表了向开发图像生成"人类循环"系统的重要一步.
• 这些发现为创造性内容生成中更直观和个性化的人类-人工智能交互打开了道路.