MB2L: Un Framework Biomimetico per la Decodifica Visiva Basata su EEG

I ricercatori propongono MB2L, un framework di Apprendimento Biomimetico Bidirezionale a Livelli Multipli, per migliorare la decodifica neurale visiva basata su EEG. Il framework affronta la discrepanza tra immagini digitali e percezione visiva biologica incorporando bias induttivi fisiologici. I componenti chiave includono Sfocatura Adattiva con Priorità Visive, che ri-pesa gli input visivi in base a priorità retinotopiche, ed Estrazione di Caratteristiche Visive Biomimetiche, che apprende rappresentazioni visive a più livelli coerenti con l'elaborazione corticale gerarchica. Questi moduli sono ottimizzati congiuntamente tramite apprendimento bidirezionale a più livelli per migliorare la codifica invariante al soggetto e l'allineamento cross-modale. L'approccio mira a superare la limitata disponibilità di dati accoppiati e la variabilità neuroanatomica in compiti come il recupero di immagini.