“現(xiàn)在Stable Diffusion已經(jīng)能重建大腦視覺信號了！”

就在昨晚，一個聽起來細(xì)思極恐的“AI讀腦術(shù)”研究，在網(wǎng)上掀起軒然大波：

這項研究聲稱，只需用fMRI（功能磁共振成像技術(shù)，相比sMRI更關(guān)注功能性信息，如腦皮層激活情況等）掃描大腦特定部位獲取信號，AI就能重建出我們看到的圖像！

例如這是一系列人眼看到的圖像，包括戴著蝴蝶結(jié)的小熊、飛機(jī)和白色鐘樓：

AI看了眼人腦信號后，立馬就給出這樣的結(jié)果，屬實(shí)把該抓的重點(diǎn)全都抓住了：

再發(fā)展一步，這不就約等于哈利波特里的讀心術(shù)了嗎？？

更有網(wǎng)友感到驚嘆：如果說ChatGPT開放API是件大事，那這簡直稱得上瘋狂。

所以，這究竟是怎么一回事？

用Stable Diffusion可視化人腦信號

這項研究來自日本大阪大學(xué)，目前已經(jīng)被CVPR 2023收錄：

High-resolution image reconstruction with latent diffusion models from human brain activity

研究希望能從人類大腦活動中，重建高保真的真實(shí)感圖像，來理解大腦、并解讀計算機(jī)視覺模型和人類視覺系統(tǒng)之間的聯(lián)系。

要知道，此前雖然有不少腦機(jī)接口研究，致力于從人類大腦活動中讀取并重建信號，如意念打字等。

然而，從人類大腦活動中重建視覺信號——具有真實(shí)感的圖像，仍然挑戰(zhàn)極大。

例如這是此前UC伯克利做過的一項類似研究，復(fù)現(xiàn)一張人眼看到的飛機(jī)片段，但計算機(jī)重建出來的圖像卻幾乎看不出飛機(jī)的特征：

△圖源UC伯克利研究Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies

這次，研究人員重建信號選用的AI模型，是這一年多在圖像生成領(lǐng)域地位飛升的擴(kuò)散模型。

當(dāng)然，更準(zhǔn)確地說是基于潛在擴(kuò)散模型（LDM）——Stable Diffusion。

整體研究的思路，則是基于Stable Diffusion，打造一種以人腦活動信號為條件的去噪過程的可視化技術(shù)。

它不需要在復(fù)雜的深度學(xué)習(xí)模型上進(jìn)行訓(xùn)練或做精細(xì)的微調(diào)，只需要做好fMRI（功能磁共振成像技術(shù)）成像到Stable Diffusion中潛在表征的簡單線性映射關(guān)系就行。

它的概覽框架是這樣的，看起來也非常簡單：

僅由1個圖像編碼器、1個圖像解碼器，外加1個語義解碼器組成。

具體怎么work？

如下圖所示，第一部分為本研究用到的LDM示意圖。

其中ε代表圖像編碼器，D代表圖像解碼器，而τ是一個文本編碼器（CLIP）。

重點(diǎn)是解碼分析，如下圖所示，模型依次從大腦早期（藍(lán)色）和較高（黃色）視覺皮層內(nèi)的fMRI信號中，解碼出重建圖像（z）和相關(guān)文本c的潛在表征。

然后將這些潛在表征當(dāng)作輸入，就可以得到模型最終復(fù)現(xiàn)出來的圖像Xzc。

最后還沒有完，如編碼分析示意圖，作者還構(gòu)建了一個編碼模型，用來預(yù)測LDM不同組件（包括圖像z、文本c和zc）所對應(yīng)的fMRI信號，它可以用來理解Stable Diffusion的內(nèi)部過程。

可以看到，采用了zc的編碼模型在大腦后部視覺皮層產(chǎn)生的預(yù)測精確度是最高的。（zc是與c進(jìn)行交叉注意的反向擴(kuò)散后，z再添加噪聲的潛在表征）

相比其它兩者，它生成的圖像既具有高語義保真度，分辨率也很高。

還有用GAN重建人臉圖像的

看完這項研究，已經(jīng)有網(wǎng)友想到了細(xì)思極恐的東西：

這個AI雖然只是復(fù)制了“眼睛”所看到的東西。

但是否會有一天，AI能直接從人腦的思維、甚至是記憶中重建出圖像或文字？

“語言的用處不再存在了”

于是有網(wǎng)友進(jìn)一步想到，如果能讀取記憶的話，那么目擊證人的證詞似乎也會變得更可靠了：

還別說，就在去年真有一項研究基于GAN，通過fMRI收集到的大腦信號重建看到的人臉圖像：

不過，重建出來的效果似乎不怎么樣……

顯然，在人臉這種比較精細(xì)的圖像生成上，AI“讀腦術(shù)”還有很長一段路要走。

對于這種大腦信號重建的研究，也有網(wǎng)友提出了質(zhì)疑。

例如，是否只是AI從訓(xùn)練數(shù)據(jù)集中提取出了相似的數(shù)據(jù)？

對此有網(wǎng)友回復(fù)表示，論文中的訓(xùn)練數(shù)據(jù)集和測試集是分開的：

作者們也在項目主頁中表示，代碼很快會開源?？梢韵绕诖幌聗

作者介紹

本研究僅兩位作者。

一位是2021年才剛剛成為大阪大學(xué)助理教授的Yu Takagi，他主要從事計算神經(jīng)科學(xué)和人工智能的交叉研究。

最近，他同時在牛津大學(xué)人腦活動中心和東京大學(xué)心理學(xué)系利用機(jī)器學(xué)習(xí)技術(shù)，來研究復(fù)雜決策任務(wù)中的動態(tài)計算。

另一位是大阪大學(xué)教授Shinji Nishimoto，他也是日本腦信息通信融合研究中心的首席研究員。

研究方向為定量理解大腦中的視覺和認(rèn)知處理，谷歌學(xué)術(shù)引用3000+次。

那么，你覺得這波AI重建圖像的效果如何？

審核編輯 ：李倩