用于视觉脑解码的 VQ 中 EEG 引导的 token 选择

基于摘要分析。该研究面向从非侵入式 EEG 重建视觉刺激的问题，提出以 EEG 的高层语义类别引导离散视觉 token 生成的两阶段框架，旨在降低相较于扩散模型的计算与推理开销。 核心机制是先使用基于预训练 LaBraM 的架构，将 EEG 信号转换为类别预测；随后把预测类别作为预训练 token 生成器的直接条件，利用 MaskGIT 的双向、并行解码能力生成离散潜在编码序列，再由预训练解码器渲染图像。摘要中的生成条件是类别标签，而非明确保留刺激细节的连续 EEG 表征，因此需要区分类别语义一致的图像生成与对原始刺激的细粒度重建。 作者称该方案更轻量、易于训练，并能生成与刺激语义一致的高保真图像，但摘要未提供数据集、被试数量、被试内或跨被试划分、图像质量指标、分类性能，以及与扩散模型对照的硬件条件、推理耗时或计算量。实验协议、消融及统计信息尚未验证，不能据此确认效率优势或实时 BCI 效果。 复现时需核对 LaBraM 架构的具体适配方式、分类器与生成器的训练或冻结设置、类别空间与视觉刺激的对应关系，以及 VQ 编码器和解码器的配置。一个可检验的机制问题是：在相同真实类别内，改变输入 EEG 是否会改变生成图像中的刺激特异细节；同时可对照真实类别条件与 EEG 预测类别条件，分析分类误差向生成阶段的传递。上述核对建议不代表作者未开展相关实验。