Brain2Face：EEG 信号与时空头部头像关系的研究

基于摘要分析。Brain2Face 研究能否仅凭 EEG 跟踪人的头部几何与外观随时间的变化，贡献包括配对 EEG—头部表征数据集、从 EEG 恢复头像表情的基线，以及针对该任务的评估协议。其研究对象是头部头像的连续表情参数恢复，而非传统的活动或情绪分类。 数据与机制：作者将 64 通道 EEG 与个性化 Gaussian head avatar 的逐帧表情潜变量同步，数据集包含头部几何及外观标注。所提出的专用 EEG 编码器接收时间序列 EEG，并回归 3D Gaussian head avatar 的表情潜变量。这里应区分研究目标与预测输出：摘要提出跟踪头部几何和外观的总体问题，但明确描述的基线输出是头像表情参数，不能据此认定模型已能直接重建完整头部几何或图像。 评估与证据：作者报告通过所提出的 benchmark 协议验证采集与算法设计选择，但摘要未提供具体指标、结果数值或对照细节。被试数量、采集任务、训练测试划分，以及被试内、跨被试或跨会话表现尚未验证；编码器结构、损失、消融及统计信息也尚未验证。解读结果时需核对 EEG 与表情标注的时间对齐方式、个性化头像依赖，以及面部肌电和运动伪迹对预测的贡献，不能仅凭摘要认定模型利用的是特定神经活动。 复现条件：作者表示代码与数据将在论文获接收后公开；材料未确认当前接收状态或资源是否已发布。实际复现还需核对同步采集流程、头像拟合与潜变量提取方法，以及 benchmark 的完整划分和评价规则。