利用脑活动模式区分增强现实场景中受到注意的真实与虚拟目标

基于摘要分析。该研究考察增强现实场景中，能否利用 EEG 与眼动数据判断用户正在注意的目标是真实物体还是虚拟对象，贡献在于评估 EEG 分类及多模态融合作为增强现实输入机制的可行性。 方法与评估：研究采集了 20 名参与者的数据，使用浅层卷积神经网络对 3 秒 EEG 窗口进行分类。作者报告，在被试内、训练与测试数据来自不同试次的条件下，平均 Accuracy 超过 70%；加入眼动数据的多模态晚期融合后，Accuracy 显著提高至 77%。摘要未提供具体融合规则、眼动特征、网络结构或显著性检验细节，尚需全文核对。这些结果对应真实与虚拟注意目标的区分，不应扩展为一般注意状态识别能力。 泛化与结论边界：作者报告，跨被试 EEG 分类仅在 20 名参与者中的 6 名达到高于机会水平的表现；摘要未给出相应 Accuracy、机会水平判定方法及具体训练测试划分。因此，被试内结果不能直接视为无需个体校准即可部署的证据。作者据此认为该 BCI 的可靠性足以作为增强现实应用的有用输入机制，但实际使用中的稳定性与交互效益仍需进一步验证。 复现重点：需核对增强现实任务与刺激设置、EEG 预处理、窗口采样与试次划分、眼动模态的独立表现，以及融合增益是否在不同参与者间稳定。实验协议、消融及统计信息尚未验证；摘要也未说明在线交互评估或复现资源。