Badanie oparto na dwufotonowym obrazowaniu wapniowym, czyli metodzie pozwalającej śledzić aktywność dużych populacji neuronów u żywych, czuwających zwierząt. Zarejestrowany sygnał nie był następnie bezpośrednio zamieniany na obraz. Najpierw wykorzystano dynamiczny model kodowania neuronalnego, który przewidywał jak określony film powinien pobudzać komórki kory wzrokowej. Dopiero później badacze odwracali ten proces – modyfikowali rekonstrukcję wideo tak długo, aż przewidywana odpowiedź modelu możliwie najlepiej zgadzała się z rzeczywistą aktywnością neuronów.

Odtworzone filmy nie miały wysokiej ostrości, ale zachowywały ogólny układ sceny, kierunek ruchu i część zmian zachodzących w czasie. Autorzy podają, że dla rekonstrukcji jednopróbowych uzyskali korelację pikselową 0,57 między filmem źródłowym a wersją odtworzoną. To ważny wynik, ponieważ wcześniejsze rekonstrukcje oparte na odpowiedzi mysiej kory wzrokowej dotyczyły głównie obrazów statycznych i osiągały wyraźnie niższą zgodność. Nowa praca przesuwa więc badania z poziomu pojedynczych kadrów w stronę scen dynamicznych, bliższych naturalnemu widzeniu. W tej pracy istotne było jeszcze coś innego – jakość rekonstrukcji wyraźnie zależała od liczby neuronów uwzględnionych w analizie oraz zastosowania zespołu modeli, a nie jednego modelu obliczeniowego. Autorzy pokazali, że właśnie te dwa elementy najmocniej poprawiały wynik. To cenna obserwacja, bo wskazuje, że lepszy odczyt informacji wzrokowej z mózgu nie zależy wyłącznie od coraz bardziej efektownych algorytmów, lecz także skali rejestrowanych danych i sposobu ich łączenia. Oznacza to, że rozwój takich metod będzie wymagał równoczesnego postępu w neuronauce doświadczalnej i modelowaniu obliczeniowym.

Znaczenie tego badania nie ogranicza się do samego efektu wizualnego. Rekonstrukcja filmu z aktywności mózgu daje narzędzie do badania tego, jakie cechy obrazu są dla układu wzrokowego najważniejsze i jak są kodowane w czasie. Może to pomóc w analizie różnic między gatunkami, badaniach nad percepcją ruchu, a także lepszym rozumieniu tego, jak mózg organizuje informacje napływające w sposób ciągły, a nie w postaci pojedynczych nieruchomych obrazów. Zespół UCL zwracał uwagę również na dalsze zastosowania badawcze związane z analizą marzeń sennych, wyobrażeń czy zaburzeń przetwarzania bodźców. 

Praca pokazuje, że aktywność populacji neuronów w korze wzrokowej zawiera wystarczająco dużo informacji, by odtworzyć dynamiczną scenę z zachowaniem jej podstawowej struktury. To kolejny krok w badaniach nad tym, jak mózg reprezentuje świat widzialny i jak tę reprezentację można opisać za pomocą modeli obliczeniowych. Łączy pytanie neuronauki o naturę widzenia z narzędziami sztucznej inteligencji, które pozwalają przełożyć zapis aktywności komórek na obraz możliwy do porównania z bodźcem wyjściowym.