Durch das Gehirn sehen: Bildrekonstruktion der visuellen Wahrnehmung aus menschlichen Gehirnsignalen

Seeing through the Brain: Image Reconstruction of Visual Perception from Human Brain Signals

July 27, 2023

papers.authors: Yu-Ting Lan, Kan Ren, Yansen Wang, Wei-Long Zheng, Dongsheng Li, Bao-Liang Lu, Lili Qiu

cs.AI

papers.abstract

Sehen heißt glauben, doch der zugrunde liegende Mechanismus, wie menschliche visuelle Wahrnehmungen mit unseren kognitiven Prozessen verflochten sind, bleibt ein Rätsel. Dank der jüngsten Fortschritte in den Bereichen Neurowissenschaften und künstliche Intelligenz konnten wir visuell evozierte Gehirnaktivitäten aufzeichnen und die visuelle Wahrnehmungsfähigkeit durch computergestützte Ansätze nachahmen. In diesem Artikel konzentrieren wir uns auf die Rekonstruktion visueller Reize, indem wir die beobachteten Bilder auf der Grundlage leicht zugänglicher Gehirnsignale, d.h. Elektroenzephalographie (EEG)-Daten, rekonstruieren. Da EEG-Signale dynamisch im Zeitreihenformat vorliegen und für ihre Rauschanfälligkeit bekannt sind, erfordern die Verarbeitung und Extraktion nützlicher Informationen besondere Anstrengungen. In diesem Artikel schlagen wir eine umfassende Pipeline namens NeuroImagen vor, um visuelle Reizbilder aus EEG-Signalen zu rekonstruieren. Insbesondere integrieren wir eine neuartige, mehrstufige Dekodierung von Wahrnehmungsinformationen, um mehrschichtige Ausgaben aus den gegebenen EEG-Daten zu erzeugen. Ein latentes Diffusionsmodell nutzt anschließend die extrahierten Informationen, um hochauflösende visuelle Reizbilder zu rekonstruieren. Die experimentellen Ergebnisse verdeutlichen die Effektivität der Bildrekonstruktion und die überlegene quantitative Leistungsfähigkeit unseres vorgeschlagenen Verfahrens.

English

Seeing is believing, however, the underlying mechanism of how human visual perceptions are intertwined with our cognitions is still a mystery. Thanks to the recent advances in both neuroscience and artificial intelligence, we have been able to record the visually evoked brain activities and mimic the visual perception ability through computational approaches. In this paper, we pay attention to visual stimuli reconstruction by reconstructing the observed images based on portably accessible brain signals, i.e., electroencephalography (EEG) data. Since EEG signals are dynamic in the time-series format and are notorious to be noisy, processing and extracting useful information requires more dedicated efforts; In this paper, we propose a comprehensive pipeline, named NeuroImagen, for reconstructing visual stimuli images from EEG signals. Specifically, we incorporate a novel multi-level perceptual information decoding to draw multi-grained outputs from the given EEG data. A latent diffusion model will then leverage the extracted information to reconstruct the high-resolution visual stimuli images. The experimental results have illustrated the effectiveness of image reconstruction and superior quantitative performance of our proposed method.