狗狗如何看世界？人类研究员要解码狗脑中的视觉认知
过去15000年，狗与人类共同进化。现在，狗狗常作为宠物栖息在人类生活环境中。有时狗狗像人一样在家中观看视频，仿佛是看懂了。那么，狗狗眼里的世界是什么样子的？近日，来自埃默里大学的一项研究从狗的大脑中解码了视觉图像，首次揭示了狗的大脑如何重建它所看到的东西。这项研究发表在《可视化实验期刊》上。论文地址：https://www.jove.com/t/64442/through-dog-s-eyes-fmri-decoding-naturalistic-videos-from-dog研究人员记录了两只清醒
过去 15000 年，狗与人类共同进化。现在，狗狗常作为宠物栖息在人类生活环境中。有时狗狗像人一样在家中观看视频，仿佛是看懂了。
那么，狗狗眼里的世界是什么样子的？
近日，来自埃默里大学的一项研究从狗的大脑中解码了视觉图像，首次揭示了狗的大脑如何重建它所看到的东西。这项研究发表在《可视化实验期刊》上。
论文地址：https://www.jove.com/t/64442/through-dog-s-eyes-fmri-decoding-naturalistic-videos-from-dog
研究人员记录了两只清醒的、不受约束的狗狗的 fMRI 神经数据，期间让它们分三次观看 30 分钟的视频，时长总共 90 分钟。然后他们使用机器学习算法来分析神经数据中的模式。
埃默里大学心理学教授、论文作者之一 Gregory Berns 表示：「我们可以在狗观看视频时监控它的大脑活动，并在一定程度上重建它正在看的东西。我们能够做到这一点是非常了不起的。」
Berns 及其同事开创性地将 fMRI 扫描技术用于犬类，并训练狗狗在测量神经活动时完全静止且不受约束。十年前，该团队发布了第一张完全清醒、不受约束的狗的 fMRI 大脑图像，为 Berns 所说的「The Dog Project」实验计划打开了大门。
Berns 和第一只在完全清醒且不受约束的情况下被扫描大脑活动的狗狗 Callie。
多年来，Berns 的实验室发表了多项关于犬类大脑如何处理视觉、语言、气味和奖励（例如接受表扬或食物）的研究。
与此同时，机器学习技术不断进步，使得科学家能够解码一些人类大脑的活动模式。然后 Berns 开始思考类似的技术能否应用到狗狗的大脑上。
此次新研究就是基于机器学习和 fMRI 技术完成的。fMRI 是一种神经影像学技术，其原理是利用磁振造影来测量神经元活动引发的血液动力的改变。这种技术是非侵入性的，在脑部功能定位领域具有重要作用。除了人类，该技术只应用于少数其他物种，包括一些灵长类动物。
研究介绍
实验中用到两只狗，它证明机器学习、fMRI 等技术可普遍用于犬科动物分析，研究人员也希望这项研究对其他人有所帮助，以便更深入地了解不同动物的思维方式。
实验过程大致如下：
实验参与者：Bhubo，4 岁；Daisy，11 岁。两只狗之前都参加过几项 fMRI 训练（Bhubo：8 项，Daisy：11 项），其中一些涉及观看投射到屏幕上的视觉刺激。这两只狗之所以被选中，是因为它们能够长时间呆在扫描仪内，而不会在主人看不见的情况下随便移动。
视频拍摄：以狗的视角拍摄视频，以捕捉狗生活中的日常场景。这些场景包括散步、喂食、玩耍、与人类互动、狗与狗的互动等。将视频编辑成 256 个独特的场景，每个场景都描绘了一个事件，例如狗与人类拥抱、狗奔跑或散步。根据其内容为每个场景分配一个唯一的编号和标签。然后将这些场景编辑成五个更大的汇编视频，每个视频大约 6 分钟。
实验设计：首先使用 3T MRI 扫描参与者，同时让参与者观看投射到 MRI 孔后部屏幕上的汇编视频。对于狗来说，通过事先训练，将它们的头放在定制的下巴托中，以达到头部稳定的位置，就像下图这样
实验分三次观看，每次观看 30 分钟的视频，时长总共 90 分钟。
实验过程中，同时使用 fMRI 对狗进行扫描，然后对数据进行分析，实验用到了 Ivis 机器学习算法，这是一种基于孪生神经网络 (SNN) 的非线性方法，已在分析高维生物数据上取得成功。此外，实验中还用到了 scikit-learn、RFC 等机器学习算法。
正在被扫描的 Daisy，耳朵被贴上胶带，用来固定耳塞，以消除噪音。
该研究比较了人类和狗的大脑工作方式。两个人类受试者的结果表明，使用神经网络开发的模型将大脑数据映射到基于对象和基于动作的分类器上的准确率达到了 99%；在解码狗的大脑模式时，同样的模型就不适用于对象分类器，而解码狗的动作分类时，准确率达到了 75% - 88%。这说明人类和狗的大脑工作方式存在重大差异，如下图人 ( A ) 和狗 ( B ) 的实验结果所示。对此，Berns 总结道：「我们人类非常关心看到的对象，而狗狗似乎不太关心他们看到的是谁或者看到了什么，而更关心动作行为。」
感兴趣的读者可以阅读论文原文，了解更多研究细节。
在数字化浪潮席卷日常生活的今天，屏幕已成为我们获取信息、完成工作、消费娱乐的主要窗口。而视觉输入的质量，正从单纯的审美偏好，悄然升级为影响认知效率与工作效能的关键因素。下面就从几个核心场景出发，看看五款各有侧重的视觉工具，它们分别覆盖了内容消费、身份管理、专业观影、协同办公与创意表达——每款都经过了
在数字影像领域，画质与内容质量始终是用户最关心的问题。面对网络上层出不穷的低分辨率、高噪点、色彩失真的视频内容，如何快速找到真正值得看的优质影像？这里整理了五款各具特色的视觉工具，从内容消费到创作辅助，覆盖了不同场景下的核心需求。 1、《视觉》 这个应用的核心思路很直接：把经过严格筛选的高品质影视资
从单镜头到电影叙事：交互式AI视频生成的技术突破 这项由香港中文大学多媒体实验室、快手科技以及香港创新科技研究院联合开展的研究，已于2026年3月发表在计算机视觉顶级会议上，论文编号为arXiv:2603.25746v1。对技术细节感兴趣的读者，可以通过该编号查阅完整的学术论文。 当前的AI视频生成
不用提前熟悉环境，一声令下，就能让宇树机器人坐在椅子上、桌子上、箱子上！还能直接解锁"跨过箱子"、"敲门"等任务~这是来自UC伯克利、卡内基梅隆大学等团队的最新研究成果LeVERB框架——基于模拟数据训练实现零样本部署，让人形机器人通过感知新环境，理解语言指令就能直接完成全身动作。传统人形机器人要么"能看懂指令却动不了"（缺乏全身控制能力），要么"只能机械执行动作却读不懂环境"（依赖人工预设动作库）。LeVERB首次打通了视觉语义理解与物理运动两者之间的断层，让机器人能像
Vision+Transformers（ViT）是一种多尺度和分层变换已成功地捕获图像表示，但它们的使用通常被研究用于低分辨率图像（例如256×256、384×384）。1概括在计算病理学中的千元素全玻片成像（WSI）中，WSI存在20倍放大率下可以大致呈现视觉标记的层次结构：从获取单个细胞的16×16图像到4096×4096图像表征组织微环境内的相互作用。研究者引入了一种新的ViT架构，称为分层图像金字塔变换器(HIPT)，它利用WSI中固有的自然分层结构，使用两个级别的自监督学习来学习高分辨率图像表示
前言该模型结合了SigLIP视觉模型和Gemma语言模型，这两种模型都是开放组件，使得PaliGemma在处理视觉与语言结合的任务上表现出色。PaliGemma的使用场景包括图像字幕、图像标签和视觉问答等。这些应用场景利用了PaliGemma的能力来理解图像内容并提取关键特征，然后将这些信息转化为语言输出，从而实现与用户的交互或自动化内容生成。这种灵活性使得PaliGemma不仅适用于研究和开发环境，也适合商业应用，如客户服务、内容推荐系统等。图片PaliGemma能干什么图片可以在出现提示时为图像添加字
写在前面&笔者的个人理解近年来，自动驾驶因其在减轻驾驶员负担和提高驾驶安全方面的潜力而越来越受到关注。基于视觉的三维占用预测是一种新兴的感知任务，适用于具有成本效益且对自动驾驶安全全面调查的任务。尽管许多研究已经证明，与基于物体为中心的感知任务相比，3D占用预测工具具有更大的优势，但仍存在专门针对这一快速发展领域的综述。本文首先介绍了基于视觉的3D占用预测的背景，并讨论了这一任务中遇到的挑战。接下来，我们从特征增强、部署友好性和标签效率三个方面全面探讨了当前3D占用预测方法的现状和发展趋势。最后，
一、技术革新，DeDoDev2应运而生在图像处理和计算机视觉领域，关键点检测是许多应用的基础，如目标识别、图像匹配、三维重建等。然而，传统的关键点检测技术往往存在着在检测不准确、易受噪声干扰等问题。为了解决这些问题，Linköping大学等科研团队推出了DeDoDev2，这款全新的关键点检测器，通过深入分析DeDoDe的不足之处，并针对性地进行改进和优化。二、突破瓶颈，DeDoDev2的三大创新点解决关键点聚类问题在DeDoDe中，研究人员发现关键点往往容易在特定区域聚集，导致在其他区域检测不足，从而影响
在英雄联盟赛场上书写传奇的选手Faker带领T1战队晋级2024全球总决赛，这也是他第9次晋级全球总决赛，刷新了英雄联盟职业联赛的纪录。在Faker卓越的技术、冷静的头脑和不懈的努力背后，还有三星玄龙骑士电竞显示器成为他征战沙场的得力助手。1.打造电竞巅峰：电竞显示器专门为游戏玩家打造的电竞显示器无疑是显示技术的巅峰之作。在激烈竞争的竞技场中，唯有电竞显示器的强悍性能才能充分发挥硬件的潜能，为玩家带来流畅且真实的极致游戏体验。三星玄龙骑士：视觉盛宴三星玄龙骑士凭借其卓越的性能和前沿科技，为游戏玩家开启了前
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
