TFM-Tokenizer · EEG 토큰화
단일 채널 EEG를 Transformer용 시간-주파수 이산 token으로 변환합니다.
13579 views
단일 채널 EEG가 시간-주파수 이산 token으로 변환되어 Transformer에 입력되는 과정을 보여 주는 TFM-Tokenizer의 16:9 가로형 개념적 방법 다이어그램을 만드세요. 제목: "TFM-Tokenizer: EEG 시간-주파수 이산화 | 개념적 예시". EEG 파형은 STFT와 중첩 패칭을 순차적으로 거칩니다. 시간 마스킹된 입력은 Temporal Encoder로, 주파수 대역 마스킹된 입력은 Localized Spectral Window Encoder로 들어가며, 두 분기는 Gated Patchwise Aggregation에서 합쳐집니다. 이후 Quantization을 거쳐 Token Vocabulary와 EEG-Tokens를 형성하고, Masked Reconstruction이 스펙트로그램을 복원합니다. 오른쪽에는 학습된 EEG token → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction을 표시하세요. 스펙트럼에는 보라색, 시간 경로에는 파란색, vocabulary와 token에는 주황색, 마스킹에는 회색 해칭을 사용하고, 흰색 배경에 명확한 화살표와 모듈 상자를 배치하세요. 이 방법이 모델 독립적이며 파운데이션 모델과 다중 채널 환경에 적용 가능하다는 정성적 설명을 유지하세요.
단일 채널 EEG가 시간-주파수 이산 token으로 변환되어 Transformer에 입력되는 과정을 보여 주는 TFM-Tokenizer의 16:9 가로형 개념적 방법 다이어그램을 만드세요. 제목: "TFM-Tokenizer: EEG 시간-주파수 이산화 | 개념적 예시". EEG 파형은 STFT와 중첩 패칭을 순차적으로 거칩니다. 시간 마스킹된 입력은 Temporal Encoder로, 주파수 대역 마스킹된 입력은 Localized Spectral Window Encoder로 들어가며, 두 분기는 Gated Patchwise Aggregation에서 합쳐집니다. 이후 Quantization을 거쳐 Token Vocabulary와 EEG-Tokens를 형성하고, Masked Reconstruction이 스펙트로그램을 복원합니다; 오른쪽에는 학습된 EEG token → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction을 표시하세요. 스펙트럼에는 보라색, 시간 경로에는 파란색, vocabulary와 token에는 주황색, 마스킹에는 회색 해칭을 사용하고, 흰색 배경에 명확한 화살표와 모듈 상자를 배치하세요. 이 방법이 모델 독립적이며 파운데이션 모델과 다중 채널 환경에 적용 가능하다는 정성적 설명을 유지하세요.
단일 채널 EEG가 시간-주파수 이산 token으로 변환되어 Transformer에 입력되는 과정을 보여 주는 TFM-Tokenizer의 16:9 가로형 개념적 방법 다이어그램을 만드세요. 제목: "TFM-Tokenizer: EEG 시간-주파수 이산화 | 개념적 예시". EEG 파형은 STFT와 중첩 패칭을 순차적으로 거칩니다. 시간 마스킹된 입력은 Temporal Encoder로, 주파수 대역 마스킹된 입력은 Localized Spectral Window Encoder로 들어가며, 두 분기는 Gated Patchwise Aggregation에서 합쳐집니다. 이후 Quantization을 거쳐 Token Vocabulary와 EEG-Tokens를 형성하고, Masked Reconstruction이 스펙트로그램을 복원합니다. 오른쪽에는 학습된 EEG token → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction을 표시하세요. 스펙트럼에는 보라색, 시간 경로에는 파란색, vocabulary와 token에는 주황색을 사용하세요, 마스킹에는 회색 해칭을 사용하고, 흰색 배경에 명확한 화살표와 모듈 상자를 배치하세요. 이 방법이 모델 독립적이며 파운데이션 모델과 다중 채널 환경에 적용 가능하다는 정성적 설명을 유지하세요.
단일 채널 EEG가 시간-주파수 이산 token으로 변환되어 Transformer에 입력되는 과정을 보여 주는 TFM-Tokenizer의 16:9 가로형 개념적 방법 다이어그램을 만드세요. 제목: "TFM-Tokenizer: EEG 시간-주파수 이산화 | 개념적 예시". EEG 파형은 STFT와 중첩 패칭을 순차적으로 거칩니다. 시간 마스킹된 입력은 Temporal Encoder로, 주파수 대역 마스킹된 입력은 Localized Spectral Window Encoder로 들어가며, 두 분기는 Gated Patchwise Aggregation에서 합쳐집니다. 이후 Quantization을 거쳐 Token Vocabulary와 EEG-Tokens를 형성하고, Masked Reconstruction이 스펙트로그램을 복원합니다. 오른쪽에는 학습된 EEG token → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction을 표시하세요. 스펙트럼에는 보라색, 시간 경로에는 파란색, vocabulary와 token에는 주황색, 마스킹에는 회색 해칭을 사용하고, 흰색 배경에 명확한 화살표와 모듈 상자를 배치하세요. 이 방법이 모델 독립적이며 파운데이션 모델과 다중 채널 환경에 적용 가능하다는 정성적 설명을 유지하세요.