GPN预测下一注视点，表征对齐人类视觉皮层

研究团队提出 glimpse prediction networks（GPNs），用循环模型沿类人扫视路径预测下一注视点的嵌入表征，以自监督方式学习自然场景结构。作者假设相邻注视点通过共现和受扫视条件约束的空间规律相关联，模型据此整合物体共现、空间排布等场景信息。 作者称，GPN 的表征与人类中高级视觉皮层的 fMRI 响应高度对齐，在对比中常优于其他先进人工神经网络模型，并据此认为下一注视点预测是通向类脑场景表征的一条生物学上合理的路径。这些对齐与比较结果均来自该研究的报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。