神经科学与认知科学
突破级
有讲解视频
收录解读
这篇论文要解决的是任务条件下 whole-brain 4D fMRI 序列生成的难题。相比普通图像生成，fMRI 既高维又时空异质，而且如果没有神经科学约束，很容易生成出看似像脑图、实际上没有任务特异性的假信号。
方法上，作者把 3D VQ-GAN latent compression、CNN-Transformer backbone、AdaLN-Zero 和 cross-attention 组合成首个 voxelwise 4D fMRI diffusion transformer。它不仅追求像素级重建，而是明确评估任务激活图、RSA 结构、condition specificity 和 ROI time-course 与 canonical hemodynamic response 的一致性。
它的重要性在于，这类工作把神经影像生成模型从“能生成像脑的图”推进到“能生成有任务结构的时空脑活动”。这对神经影像模拟、数据增强、任务表征研究都很有价值。放在仓库里，它属于认知科学 / 神经影像主线里的高质量生成建模论文。
我把它放在“突破性”。原因是它在 4D fMRI 合成方向很强，但外溢还主要集中在神经影像生成这个子方向，不算更高一级的总范式条目。