Vi2ACT：利用表征条件判别器的视频增强跨模态协同学习，用于少样本人类活动识别

基于摘要分析。该研究面向传感器数据标注成本较高条件下的少样本人类活动识别（HAR），提出 Vi2ACT，通过生成类别相关视频并对齐视频与时间序列表征，利用视频语义辅助传感器活动识别；原研究对象并非 EEG/BCI。 机制上，方法先利用 text-to-video 生成模型构造类别相关视频，再通过微调视频编码器获得大量视频语义表征，用于跨模态协同学习。随后引入条件生成对抗网络（cGAN）进行表征级对齐，其中 Representation Conditional Discriminator 学习区分来自视频编码器的表征与时间序列编码器生成的表征。摘要未给出判别器的具体条件输入、损失形式、编码器结构及训练阶段安排，不能据此确定更细的优化机制。 作者报告，在四个常用 HAR 数据集的所有受评估少样本场景中，Vi2ACT 均优于对照基线。摘要未列出数据集名称、每类样本数、被试划分、基线名称或具体指标，因此该结论只能限定于作者所述实验范围；实验协议、消融及统计信息尚未验证。复现时需核对生成视频与目标类别的语义一致性、视频编码器微调所需监督，以及生成增强和对抗对齐各自的贡献。 平台推测（待验证）：这一机制可能为具有可视动作语义的 EEG 运动想象任务提供辅助表征，但依赖类别语义能够跨越可见动作与脑活动之间的差异。可尝试复用视频语义编码与表征对齐模块，时间序列编码器则需针对 EEG 改造；低信噪比、跨被试差异、通道配置变化及小样本条件下的对抗训练不稳定，都可能使对齐失效。一个可证伪的小实验是在固定 Cross-subject 划分和标注预算下，对比 EEG 单模态基线、加入生成视频语义及进一步加入对抗对齐的表现，检验语义辅助是否真正改善识别。相关 EEG 工作尚未检索确认。