OpenReview · EEG· Hari Bharadwaj; Ronnie Wilbur; Jeffrey Mark Siskind·· 2025-09-13精选AI 评分73
联合训练并未在 EEG 与图像分类器之间传递信息
Joint training does not transfer information between EEG and image classifiers
AI 导读
该研究考察 EEG 与图像分类器的联合训练能否支持跨模态信息迁移及脑加工机制的相关主张,核心贡献是质疑共享嵌入是否确实包含超出类别信息的图像与脑活动信息。基于摘要分析,未取得论文全文。 被讨论的既有方法声称,联合训练不使用类别信息,并可将图像信息传递给 EEG 分类器、将脑活动信息传递给图像分类器。作者指出,训练过程在初始化阶段已使用类别信息,因此不能将该过程解释为完全不依赖类别信息的学习。 在性能层面,作者报告,在其考察的联合训练设置中,与 EEG 联合训练使图像编码器的性能下降,而非提升。摘要未提供数据集、被试数量、数据划分、对照基线及指标数值,因此尚不能判断该结果的适用范围,也不能直接推断 EEG 分类器是否获益。 在理论层面,作者指出,共同嵌入空间存在仅传递类别信息、而不传递更多跨模态信息的理论解。这意味着,共享嵌入本身不足以证明模型获取了额外的脑活动信息;这一论点也不等同于证明所有 EEG–图像联合训练方法都不可能发生信息迁移。 阅读全文时应重点核对类别信息进入初始化的具体路径、理论解的成立条件,以及图像编码器性能对照的评估设置。实验协议、消融及统计信息尚未验证。该研究主要限定跨模态学习结果的解释边界,摘要并未提供可据以认定 BCI 性能改善的证据。
阅读价值
该研究针对 EEG–图像联合训练中“共享嵌入意味着双向信息迁移”的解释提出理论反例与性能层面的质疑,值得用于核对跨模态表征学习的证据边界,但具体实验协议及论证条件尚未验证。
来源:OpenReview · EEG · openreview.net