この記事では、ZEBRAという新しい脳視覚デコーディングのフレームワークが提案されています。従来の手法は、特定の被験者に依存したモデルやファインチューニングを必要とし、そのためにスケーラビリティと現実世界での適用性が制限されていました。ZEBRAは、fMRIの表現を被験者関連成分と意味関連成分に分解することで、被験者に依存しない意味特有の表現を抽出します。この手法により、追加のfMRIデータや再トレーニングなしで、見知らぬ被験者に一般化することが可能となります。実験結果は、ZEBRAがゼロショットのベースラインを大きく上回り、さまざまな指標で完全にファインチューニングされたモデルと同等のパフォーマンスを達成したことを示しています。この研究は、普遍的な神経デコーディングへのスケーラブルな一歩を表しています。