脑机接口 / BCI

Autoregressive Visual Decoding from EEG Signals

从EEG信号进行自回归视觉解码

Sicheng Dai, Hongwang Xiao, Shan Yu, Qiwei Ye

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启智技术国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract)；brain-computer interface(abstract)；分类 cs.LG

AI总结 AVDE通过自回归生成框架和对比学习提升EEG信号的视觉解码效率，实现高效且可解释的脑机接口应用。

Journal ref ICLR 2026

Do Models See in Line with Human Vision? Probing the Correspondence Between LVLM Representations and EEG Signals

模型的视觉感知是否与人类视觉一致？探测LVLM表示与EEG信号之间的对应关系

Xin Xiao, Yang Lei, Haoyang Zeng, Xiao Sun, Xinyi Jiang, Yu Tian, Hao Wu, Kaiwen Wei, Jiang Zhong

专题命中 EEG解码 ：EEG(title,abstract)；cortical(abstract)；分类 cs.HC

AI总结 本文通过EEG信号分析，揭示了LVLM的视觉表示与人类大脑的对应关系，发现中间层与EEG活动对齐，多模态架构提升大脑对齐性，且视觉表现强的模型EEG相似性更高。

Aligning What EEG Can See: Structural Representations for Brain-Vision Matching

使EEG能看见：用于脑-视觉匹配的结构表示

Jingyi Tang, Shuai Jiang, Fei Su, Zhicheng Zhao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(abstract)

AI总结 本文提出EEG-可见层选择策略和分层互补融合框架，通过将EEG信号与中间视觉层对齐，解决跨模态信息不匹配问题，提升零样本视觉解码性能。

LEL: Lipschitz Continuity Constrained Ensemble Learning for Efficient EEG-Based Intra-subject Emotion Recognition

LEL：基于Lipschitz连续性约束的集成学习用于高效EEG基的个体情感识别

Shengyu Gong, Yueyang Li, Zijian Kang, Bo Chai, Weiming Zeng, Hongjie Yan, Zhiguo Zhang, Wai Ting Siok, Nizhuan Wang

机构 * Lab of Digital Image and Intelligent Computation（数字图像与智能计算实验室） ； Shanghai Maritime University（上海 Maritime 大学） ； Department of Chinese and Bilingual Studies（中文与双语研究部） ； The Hong Kong Polytechnic University（香港理工大学） ； Department of Neurology（神经病学部） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医学院附属连云港医院） ； The Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳研究院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 LEL通过引入Lipschitz连续性约束的集成学习方法，提升EEG基个体情感识别的稳定性和鲁棒性，实现高效准确的情绪识别。

Journal ref IEEE Sensors Journal, 2026

Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making

基于EEG的自监督进化学习：神经动态进程与身份流形的进化学习

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出自监督进化学习框架，通过EEG直接发现个体神经动态进程和身份流形，提升安全关键决策中的身份认证与异常检测能力。

UNISEP: A Unified Sensor Placement Framework for Human Motion Capture and Wearables

UNISEP：一种用于人体运动捕捉和可穿戴设备的统一传感器布置框架

Julius Welzel, Sein Jeung, Lara Godbersen, Seyed Yahya Shirazi

专题命中 EEG解码 ：EEG(abstract)

AI总结 UNISEP框架提供了一种统一的传感器布置方法，以提高人类运动和生理数据在不同系统和研究领域中的可重复性和互操作性。

Comments 14 pages, 2 Tables. GitHub Rpostiroy and Page are available from the code availability section