大脑视觉信号被AI复现图像！CVPR最新研究！

转自：量子位

“现在Stable Diffusion已经能重建大脑视觉信号了！”

就在昨晚，一个听起来细思极恐的“AI读脑术”研究，在网上掀起轩然大波：

这项研究声称，只需用fMRI（功能磁共振成像技术，相比sMRI更关注功能性信息，如脑皮层激活情况等）扫描大脑特定部位获取信号，AI就能重建出我们看到的图像！

例如这是一系列人眼看到的图像，包括戴着蝴蝶结的小熊、飞机和白色钟楼：

AI看了眼人脑信号后，立马就给出这样的结果，属实把该抓的重点全都抓住了：

再发展一步，这不就约等于哈利波特里的读心术了吗？？

更有网友感到惊叹：如果说ChatGPT开放API是件大事，那这简直称得上疯狂。

用Stable Diffusion可视化人脑信号

这项研究来自日本大阪大学，目前已经被CVPR 2023收录：

研究希望能从人类大脑活动中，重建高保真的真实感图像，来理解大脑、并解读计算机视觉模型和人类视觉系统之间的联系。

要知道，此前虽然有不少脑机接口研究，致力于从人类大脑活动中读取并重建信号，如意念打字等。

然而，从人类大脑活动中重建视觉信号——具有真实感的图像，仍然挑战极大。

例如这是此前UC伯克利做过的一项类似研究，复现一张人眼看到的飞机片段，但计算机重建出来的图像却几乎看不出飞机的特征。

这次，研究人员重建信号选用的AI模型，是这一年多在图像生成领域地位飞升的扩散模型。

当然，更准确地说是基于潜在扩散模型（LDM）——Stable Diffusion。

整体研究的思路，则是基于Stable Diffusion，打造一种以人脑活动信号为条件的去噪过程的可视化技术。

它不需要在复杂的深度学习模型上进行训练或做精细的微调，只需要做好fMRI（功能磁共振成像技术）成像到Stable Diffusion中潜在表征的简单线性映射关系就行。

它的概览框架是这样的，看起来也非常简单：

仅由1个图像编码器、1个图像解码器，外加1个语义解码器组成。

具体怎么work？

如下图所示，第一部分为本研究用到的LDM示意图。

其中ε代表图像编码器，D代表图像解码器，而τ是一个文本编码器（CLIP）。

重点是解码分析，如下图所示，模型依次从大脑早期（蓝色）和较高（黄色）视觉皮层内的fMRI信号中，解码出重建图像（z）和相关文本c的潜在表征。

然后将这些潜在表征当作输入，就可以得到模型最终复现出来的图像Xzc。

最后还没有完，如编码分析示意图，作者还构建了一个编码模型，用来预测LDM不同组件（包括图像z、文本c和zc）所对应的fMRI信号，它可以用来理解Stable Diffusion的内部过程。

可以看到，采用了zc的编码模型在大脑后部视觉皮层产生的预测精确度是最高的。（zc是与c进行交叉注意的反向扩散后，z再添加噪声的潜在表征）

相比其它两者，它生成的图像既具有高语义保真度，分辨率也很高。

还有用GAN重建人脸图像的

看完这项研究，已经有网友想到了细思极恐的东西：

这个AI虽然只是复制了“眼睛”所看到的东西。

但是否会有一天，AI能直接从人脑的思维、甚至是记忆中重建出图像或文字？

“语言的用处不再存在了”

于是有网友进一步想到，如果能读取记忆的话，那么目击证人的证词似乎也会变得更可靠了：

还别说，就在去年真有一项研究基于GAN，通过fMRI收集到的大脑信号重建看到的人脸图像：

不过，重建出来的效果似乎不怎么样……

显然，在人脸这种比较精细的图像生成上，AI“读脑术”还有很长一段路要走。

对于这种大脑信号重建的研究，也有网友提出了质疑。

例如，是否只是AI从训练数据集中提取出了相似的数据？

对此有网友回复表示，论文中的训练数据集和测试集是分开的：

作者们也在项目主页中表示，代码很快会开源。可以先期待一下~

项目地址：

https://sites.google.com/view/stablediffusion-with-brain/

推荐阅读

•   再教大家几手绝活，杀疯了•   AI又进化了，突破性革命来了•   今天打开个税APP，我直接人麻了