Voir à travers le cerveau : Reconstruction d'images de la perception visuelle à partir des signaux cérébraux humains

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

Voir, c'est croire. Cependant, le mécanisme sous-jacent qui lie les perceptions visuelles humaines à nos cognitions reste un mystère. Grâce aux récentes avancées en neurosciences et en intelligence artificielle, nous avons pu enregistrer les activités cérébrales évoquées par la vision et imiter la capacité de perception visuelle par des approches computationnelles. Dans cet article, nous nous concentrons sur la reconstruction des stimuli visuels en reconstruisant les images observées à partir de signaux cérébraux accessibles de manière portable, c'est-à-dire les données d'électroencéphalographie (EEG). Étant donné que les signaux EEG sont dynamiques au format de séries temporelles et réputés pour être bruyants, le traitement et l'extraction d'informations utiles nécessitent des efforts plus approfondis. Dans cet article, nous proposons une pipeline complète, nommée NeuroImagen, pour reconstruire des images de stimuli visuels à partir de signaux EEG. Plus précisément, nous intégrons un nouveau décodage d'informations perceptuelles multi-niveaux pour produire des sorties multi-granulaires à partir des données EEG fournies. Un modèle de diffusion latente exploitera ensuite les informations extraites pour reconstruire des images de stimuli visuels en haute résolution. Les résultats expérimentaux ont démontré l'efficacité de la reconstruction d'images et la performance quantitative supérieure de notre méthode proposée.

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.