A Parameter-efficient Multi-subject Model for Predicting fMRI Activity

要約

これはチーム「BlobGPT」のアルゴノーツ2023提出レポートです。私たちのモデルは、事前に訓練された体幹モデルに取り付けられた多被験者線形符号化ヘッドで構成されています。多被写体ヘッドには3つのコンポーネントがあります：(1)共有多層特徴射影、(2)共有＋被験者固有の低次元線形変換、(3)共有PCA fMRI埋め込みである。本報告では、これらの構成要素についてより詳細に説明し、いくつかの実験結果を示す。我々のコードはhttps://github.com/cmi-dair/algonauts23。

要約(オリジナル)

This is the Algonauts 2023 submission report for team ‘BlobGPT’. Our model consists of a multi-subject linear encoding head attached to a pretrained trunk model. The multi-subject head consists of three components: (1) a shared multi-layer feature projection, (2) shared plus subject-specific low-dimension linear transformations, and (3) a shared PCA fMRI embedding. In this report, we explain these components in more detail and present some experimental results. Our code is available at https://github.com/cmi-dair/algonauts23.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL