post
표적 뇌 영역을 최대로 활성화하도록 진화하는 AI 영상
NEvo는 시각 영역의 반응을 예측하는 뇌 디지털 트윈을 보상 모델로 삼아, 특정 영역의 예측 활성도를 극대화하는 영상을 인실리코(in silico) 환경에서 진화시킴 피사체·조명·움직임·분위기를 유전자처럼 표현하고, 후보 영상의 생성·평가·선택·교차·변이를 여러 세대에 걸쳐 반복함
일반·0·2026년 7월 12일
|
post
NEvo는 시각 영역의 반응을 예측하는 뇌 디지털 트윈을 보상 모델로 삼아, 특정 영역의 예측 활성도를 극대화하는 영상을 인실리코(in silico) 환경에서 진화시킴 피사체·조명·움직임·분위기를 유전자처럼 표현하고, 후보 영상의 생성·평가·선택·교차·변이를 여러 세대에 걸쳐 반복함
NEvo는 시각 영역의 반응을 예측하는 뇌 디지털 트윈을 보상 모델로 삼아, 특정 영역의 예측 활성도를 극대화하는 영상을 인실리코(in silico) 환경에서 진화시킴
NEvo는 시각 영역의 반응을 예측하는 뇌 디지털 트윈을 보상 모델로 삼아, 특정 영역의 예측 활성도를 극대화하는 영상을 인실리코(in silico) 환경에서 진화시킴
피사체·조명·움직임·분위기를 유전자처럼 표현하고, 후보 영상의 생성·평가·선택·교차·변이를 여러 세대에 걸쳐 반복함
계산 비용을 줄이기 위해 가장 강한 정지 이미지를 먼저 찾은 뒤 움직임을 별도로 탐색해 2초 영상으로 만드는 2단계 방식을 사용함
합성 영상은 FFA의 얼굴, PPA의 장소, MT의 움직임처럼 알려진 영역별 선택성과 일치했으며, 수작업 로컬라이저 영상과 최상위 자연 영상보다 높은 활성도를 기록함
V1에서 aSTS로 이어지는 외측 시각 경로를 따라 선호 자극이 단순 패턴·움직임에서 사람·얼굴·사회적 상호작용으로 이동하며, 사회적·동적 특징이 점차 강해짐
피사체·조명·움직임·분위기를 유전자처럼 표현하고, 후보 영상의 생성·평가·선택·교차·변이를 여러 세대에 걸쳐 반복함 계산 비용을 줄이기 위해 가장 강한 정지 이미지를 먼저 찾은 뒤 움직임을 별도로 탐색해 2초 영상으로 만드는 2단계 방식을 사용함 합성 영상은 FFA의 얼굴, PPA의 장소, MT의 움직임처럼 알려진 영역별 선택성과 일치했으며, 수작업 로컬라이저 영상과 최상위 자연 영상보다 높은 활성도를 기록함
참조한 것 · 가져온 것
원문: https://nevo-project.epfl.ch/
GeekNews: https://news.hada.io/topic?id=31329