“DINOv2最好用”

萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

现在，AI已经能实时解读大脑信号了！

这不是耸人听闻，而是Meta的一项新研究，能够凭脑信号猜出你在0.5秒内看的图，并用AI实时还原出来。

在此之前，AI虽然已经能从大脑信号中比较准确地还原图像，但还有个bug——不够快。

为此，Meta研发了一个新解码模型，让AI光是图像检索的速度就提升了7倍，几乎“瞬间”能读出人在看什么，并猜出个大概。

像是一个站立的男人，AI数次还原后，竟然真的解读出了一个“站立的人”出来：

LeCun转发表示，从MEG脑信号中重建视觉等输入的研究，确实很棒。

那么，Meta究竟是怎么让AI“快速读脑”的？

大脑活动解码如何解读？

目前，AI读取大脑信号并还原图像的方法，主要有两种。

其中一种是fMRI（功能性磁共振成像），可以生成流向大脑特定部位的血流图像；另一种是MEG（脑磁图），可以测量脑内神经电流发出的极其微弱的生物磁场信号。

然而，fMRI神经成像的速度往往非常慢，平均2秒才出一张图（≈0.5 Hz），相比之下MEG甚至能在每秒内记录上千次大脑活动图像（≈5000 Hz）。

所以相比fMRI，为什么不用MEG数据来试试还原出“人类看到的图像”呢？

基于这一思路，作者们设计了一个MEG解码模型，由三个部分组成。

第一部分预训练模型，负责从图像中获得embeddings；

第二部分是一个端到端训练模型，负责将MEG数据与图像embeddings对齐；

第三部分是一个预训练图像生成器，负责还原出最终的图像。

训练上，研究人员用了一个名叫THINGS-MEG的数据集，包含了4个年轻人（2男2女，平均23.25岁）观看图像时记录的MEG数据。

这些年轻人一共观看了22448张图像（1854种类型），每张图像显示时间为0.5秒，间隔时间为0.8~1.2秒，其中有200张图片被反复观看。

除此之外，还有3659张图像没有展示给参与者，但也被用于图像检索中。

所以，这样训练出来的AI，效果究竟如何？

图像检索速度提升7倍

整体来看，这项研究设计的MEG解码模型，比线性解码器的图像检索速度提升了7倍。

其中，相比CLIP等模型，又以Meta研发的视觉Transformer架构DINOv2在提取图像特征方面表现更好，更能将MEG数据和图像embeddings对齐起来。

作者们将整体生成的图像分成了三大类，匹配度最高的、中等的和匹配度最差的：

不过，从生成示例中来看，这个AI还原出来的图像效果，确实不算太好。

即使是还原度最高的图像，仍然受到了一些网友的质疑：为什么熊猫看起来完全不像熊猫？

作者表示：至少像黑白熊。（熊猫震怒！）

当然，研究人员也承认，MEG数据复原出来的图像效果，确实目前还不太行，主要优势还是在速度上。

例如之前来自明尼苏达大学等机构的一项名为7T fMRI的研究，就能以较高的复原度从fMRI数据中还原出人眼看到的图像。

无论是人类的冲浪动作、飞机的形状、斑马的颜色、火车的背景，基于fMRI数据训练的AI都能更好地将图像还原出来：

对此，作者们也给出了解释，认为这是因为AI基于MEG还原出来的视觉特征偏高级。

但相比之下，7T fMRI可以提取并还原出图像中更低级的视觉特征，这样生成的图像整体还原度更高。

你觉得这类研究可以被用在哪些地方？

论文地址：
https://ai.meta.com/static-resource/image-decoding