抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
脳スコア競争における視覚の現代の高スコアリングモデルは,Vision変換者からはならない。しかしながら,本論文では,二重ストリーム変換器,交差ViT ̄a la Chen et al.(2021)が,関節回転不変および敵対的最適化手順の下で,2次ストリーム変換器,交差ViT ̄a la Chen et al.(2021)が,すべての視覚カテゴリーにわたって平均化された集合脳-Score 2022競争(Schrimpf et al.,2020b)において,また,地域V4の最も高い説明可能な分散のための1番目の場所の時間において,2番目の位置を与えることを示すことによって,視覚表現と知覚的に整列しない,ViT(ViT)の予想外の傾向に対する証拠を提示した。さらに,現在の変圧器ベースのモデルは,フロントV1様計算モジュール(Dapello et al.,2020)を統合する生物学的に触発されたCNN(ResNet50)よりも,領域V4,ITおよび行動に対するより大きな説明可能な分散を達成する。CrossViTアーキテクチャに関する最適化スキームの寄与を評価するために,著者らは,敵対的ロバスト性,共通崩壊ベンチマーク,中間ベントラル刺激解釈および特徴反転に関して,異なる最適化クロスViTに関して,いくつかの追加実験を行った。著者らの最初の期待に対して,我々の結果は,Vision変換機のような視覚の非生物学的動機付けモデルに対してさえ,関節最適化規則を介して実行される「All道路」の議論を,”All道路リード”に対する暫定的支援を提供する。コードはhttps://github.com/williamberrios/BrainScore Transformersで利用可能である。【JST・京大機械翻訳】
