arXiv · cs.AI · Jaedong Hwang, Kathleen Zhang, Wei Dai, Konstantinos Kontras, Maarten Vanmarcke, Maarten De Vos, Ila Fiete, Paul Pu Liang · 11 小时前模型评分47
B[FM]$^2$：用流匹配与 SplitUNet 构建脑电基础模型
B[FM]$^2$: Brain Foundation Model via Flow Matching with SplitUNet
导读
B[FM]$^2$ 提出直接在原始脑电信号上用连续时间流匹配预训练，跳过切片、token 化和掩码，并设计 SplitUNet 将每个模块拆成时间与电极两路一维卷积、仅沿时间下采样。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学、科学研究
事件类型：研究发布
证据摘录
- “we present B[FM]$^2$(Brain Foundation Model via Flow Matching), whose inductive bias aligns with the data by pretraining directly on the raw signal using continuous-time flow matching without patches, tokenization, or masking.”
来源：arXiv · cs.AI · arxiv.org