CMCRD：用于情绪识别的跨模态对比表征蒸馏

基于摘要分析。该研究针对情绪识别中单模态采集便利但准确率可能受限、多模态采集成本与复杂度较高的矛盾，提出跨模态对比表征蒸馏方法 CMCRD：训练时使用 EEG 与眼动，测试时仅使用 EEG 或眼动，以利用训练期多模态信息而不增加测试期的模态需求。 核心机制是利用预训练的眼动分类模型辅助 EEG 分类模型训练，改善 EEG 特征提取；摘要也说明可反向利用 EEG 模型辅助眼动模型。其重点不是测试时融合两种模态，而是将跨模态信息迁移至单模态分类模型。摘要未给出对比目标、蒸馏损失、表征对齐方式、预训练流程及模态配对要求，相关实现细节尚未验证。 作者报告，在三个多模态情绪识别数据集、三种不同神经网络架构的实验中，CMCRD 展现出有效性；相较仅使用 EEG 的模型，平均分类 Accuracy 提高约 6.2%。原摘要未明确该增幅是相对百分比还是百分点，也未列出数据集名称、被试数、被试内或跨被试划分及各架构结果，因此不能将该数字解读为跨被试泛化收益或直接用于跨论文比较。 该方法与 EEG 情绪识别直接相关，但结果不能自动外推至其他 BCI 任务。复现时需核对训练与测试的数据划分、教师模型预训练所用数据、单模态基线的训练条件，以及不同迁移方向的收益。实验协议、消融及统计信息尚未验证；代码与模型权重的可用性也未由现有材料确认。