CogEEG：用于跨被试 EEG–视觉检索的认知引导双曲学习

基于摘要分析。研究面向跨被试 EEG–视觉检索，即从源被试学习 EEG 与视觉内容的对应关系，并泛化至未见被试。CogEEG 将全局统一表征上的被试对齐改为认知层级感知的自适应对齐，旨在处理不同层级的 EEG–视觉对应模式及跨被试分布偏移差异。 核心机制包括层级表征、跨模态对应与分层对齐。方法依据脑区先验构建多层级 EEG 表征，通过层级特定的双曲几何与沿测地线的跨层级交互刻画层次关系，再将这些表征与多层级视觉特征对齐，建立结构化的 EEG–视觉对应。摘要未说明认知层级的具体定义、脑区先验的实现方式、双曲空间配置或视觉特征来源，这些细节尚未验证。 在跨被试适配方面，CogEEG 根据视觉可靠性与被试可区分性，动态调整各认知层级的域对抗对齐。其方法假设是：不同层级承受的被试偏移不同，因此不宜施加统一的对齐策略。需要核对两类调节信号的计算方式，以及动态对齐如何兼顾被试差异抑制与视觉检索所需的信息保留；摘要不足以确定具体损失和训练流程。 作者报告，CogEEG 在跨被试 EEG–视觉检索实验中取得优于对照方法的表现，但摘要未提供数据集、被试数量、源与未见被试划分、检索候选集、评价指标、基线或具体数值，因而不能量化其优势或与其他协议直接比较。实验协议、消融及统计信息尚未验证。复现时尤其需要核对认知层级构建、双曲几何、跨层级交互及动态域对抗对齐各自的贡献，并明确视觉特征与可靠性信号在训练和推理阶段的使用条件。该材料支持对 EEG–视觉检索方法的分析，不足以推断其在其他 BCI 任务中的有效性。