יום חמישי, 8 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.LG ·

הצמידה הסמנטית: לקיחת יתרון מייצגי סמנטיקה לפיענוח דיבור ללא פציעה

The Semantic Bottleneck: Leveraging Semantic Representations for Non-Invasive Speech Decoding
במאמר זה, נציגים טכניקה חדשה לפיענוח דיבור ללא פציעה, המשתמשת בייצוגים סמנטיים. השיטה, שנקראת Brain2Semantics2Text, משתמשת ב-MEG כדי לקבל תגובות סנסוריות, ואז משתמשת בהן כדי לקבל ייצוגים סמנטיים. הייצוגים הסמנטיים נשמרים כדי לקבל טקסט. המאמר כולל תיאור של השיטה, וכן תוצאות של השיטה בהשוואה לשיטות אחרות.
תקציר מקורי באנגליתarXiv:2609.10296v2 Announce Type: replace-cross Abstract: Non-invasive speech decoding remains constrained by the low signal-to-noise ratio of neural recordings, which makes fine-grained reconstruction of phonemes or individual words difficult. Motivated by neuroscientific evidence that high-level semantic representations are distributed across cortical regions and evolve over slower temporal scales, we hypothesize that semantic content may provide a more suitable target for non-invasive decoding than low-level acoustic or lexical features. We introduce Brain2Semantics2Text, a method that reconstructs text through an intermediate semantic embedding space. Our model maps sentence-level MEG responses into a semantic manifold and then inverts the predicted embeddings into natural language. Th
קרא במקור המקורי