本文提出了一种新方法，结合浅层适配器和深层解码模型，利用fMRI数据、视觉和文本监督实现多模态脑解码。实验结果显示，该模型在图像重建和语义分类方面优于现有技术，具备良好的鲁棒性和准确性，适用于脑机接口和神经科学研究。

该文介绍了一个两阶段的fMRI表示学习框架，通过使用Double-contrastive Mask Auto-encoder降噪和图像自动编码器的指导来调整特征学习者，生成高分辨率和语义准确的图像。实验结果表明，该模型在50种不同目标的情境下，top-1语义分类的准确率比先前最先进的方法提高了39.34％。