StableMind는 제한된 데이터로 새로운 피험자에게 fMRI 모델을 적용할 때 발생하는 성능 저하 문제를 해결하기 위한 프레임워크입니다. 뇌 측면의 불안정성과 이미지 측면의 감독 불확실성이라는 두 가지 주요 문제점을 해결하기 위해 설계되었습니다. 연구 결과, StableMind는 기존 방법보다 뇌 회수 정확도가 5.71% 향상되었습니다.
StableMind는 사전 훈련된 모델의 리지 프로젝션을 활용하여 뇌 표현을 안정화하고, Fourier 기반의 뇌 증강을 통해 개인별 변동성에 대한 강건성을 향상시킵니다. 또한, 이미지 감독의 신뢰성을 높이기 위해 난이도에 따른 이미지 블러를 도입하여 fMRI 신호로 안정적으로 지원되지 않는 세부적인 시각 정보의 영향을 줄입니다.
Natural Scenes Dataset에서 1시간의 적응 프로토콜을 사용하여 실험한 결과, StableMind는 84.02%의 이미지 검색 정확도와 81.66%의 뇌 검색 정확도를 달성했으며, 코드는 GitHub에서 확인할 수 있습니다.