论文页面 - 从激活到因果：发现人脑中因果性的视觉表征

来源：https://huggingface.co/papers/2605.23895

摘要

BrainCause框架结合生成模型和大脑模型，通过因果测试来识别有效的神经表征，证明仅靠激活不足以确认概念表征。

识别人类大脑中哪些脑区表征视觉概念是神经科学的核心挑战。现有方法通过激活最大化（https://huggingface.co/papers?q=activation%20maximization）定位粗粒度功能区域（如面孔、地点），即识别出对目标概念激活强度显著高于其他概念的脑区。然而，强激活本身并不能证明该区域真正表征该概念，因为反应可能被相关的视觉或语义线索所驱动。我们提出BrainCause，一种自动化框架，它结合生成模型和大脑模型（https://huggingface.co/papers?q=brain%20models）来合成受控刺激，并通过定向因果测试（https://huggingface.co/papers?q=causal%20testing）验证神经表征。给定一个指定感兴趣概念的查询，我们的框架构建定向刺激集，包括概念图像、移除目标概念但保留其他图像内容的反事实编辑图像，以及含有候选相关干扰因素的图像。然后利用图像到fMRI编码模型（https://huggingface.co/papers?q=image-to-fMRI%20encoding%20model）预测大脑反应，并搜索那些对目标概念而非相关替代概念有特异反应的脑区表征。BrainCause返回经过验证的候选表征，并提出后续fMRI实验以进一步测试或扩展其发现。我们的方法成功恢复了已知的功能定位（https://huggingface.co/papers?q=functional%20localizations），并在数十个概念上识别出新的候选表征——这些结果在预测和实测fMRI数据上均得到验证。关键的是，我们证明如果没有因果验证，很大一部分定位结果将是假阳性，这确认了仅靠激活不足以作为表征的证据。

查看arXiv页面（https://arxiv.org/abs/2605.23895）查看PDF（https://arxiv.org/pdf/2605.23895）项目页面（https://yuvalgol123.github.io/BrainCause/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.23895）

在你的智能体中获取此论文：

hf papers read 2605.23895

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.23895 即可从本页链接。

引用此论文的数据集1

BrainCause/Concept_Targeted_Causal_Images 查看者• 4分钟前更新 • 208k • 1.14k • 2 (https://huggingface.co/datasets/BrainCause/Concept_Targeted_Causal_Images)

引用此论文的Spaces0

没有Spaces链接此论文

在Space README.md中引用 arxiv.org/abs/2605.23895 即可从本页链接。

包含此论文的收藏2