基于 EEG 的脑启发式图像感知质量评估：QoE 视角

基于摘要分析。研究面向图像压缩场景中的感知质量评估，试图以 EEG 脑响应补充传统用户评价，并将体验质量（QoE）作为图像通信的优化目标。作者提出 EEG perceptual score（EPS）及其测量模型，再构建直接从输入图像预测 EPS 的脑启发式模型，使应用阶段的质量评估不必依赖实时 EEG 采集。 方法包含两个环节：首先采集被试观看失真图像时的 EEG，建立相应数据集，并通过测量模型提取反映感知状态的 EEG 特征，形成 EPS；随后将作者所称的脑感知过程嵌入预测模型，建立图像到 EPS 的映射。摘要未说明 EPS 的计算定义、监督信号、网络结构、损失函数或两个模型的具体训练方式，因此尚不能判断脑启发机制如何实现，也不能将其视为已验证的通用 EEG 表征方法。 作者报告，测量模型与预测模型取得更好的性能，所提出指标能更准确地衡量脑的感知状态并改善图像感知质量评估。但摘要未提供指标数值、比较基线、被试人数、失真类型及数据划分，结论的适用范围尚未验证。全文核对重点包括：EPS 如何与独立感知评价建立效度关系，图像内容、压缩程度与被试差异如何影响 EEG 特征，以及预测模型在未见图像或失真条件下的泛化表现。实验协议、消融及统计信息尚未验证。 该工作的主要对象是 EEG 辅助的图像感知质量评价，而非 BCI 指令解码；其直接研究价值在于连接神经生理测量与可部署的图像质量预测。材料尚不足以推断其对运动想象、SSVEP 或其他 BCI 任务的效果。