面向神经信息引导的目标说话人提取的改进特征提取网络

基于摘要分析。研究针对 EEG 辅助目标说话人提取中的两个问题：长语音序列的有效建模，以及从 EEG 注意信息中确定目标说话人。作者提出改进特征提取网络 IFENet，以 SpeechBiMamba 提取语音特征，以 EEGKAN 提取与听觉刺激相关的 EEG 特征，为利用听觉注意解码（AAD）指导目标语音提取提供方法。 机制上，SpeechBiMamba 使用 dual-path Mamba 建模局部与全局语音序列；EEGKAN 使用 Kolmogorov-Arnold Networks（KAN），旨在从被试 EEG 中提取听觉相关特征，并通过注意信息定位目标说话人。摘要未说明两个编码器的特征如何融合、提取目标语音的具体模块、训练监督与损失形式，相关实现尚未验证。 作者报告，在 KUL 和 AVED 数据集的 open evaluation condition 下，IFENet 相对文中所称的最先进对照模型，SI-SDR 分别相对提升 36% 和 29%。这些数值不是绝对 dB 增益，也不是百分点提升；摘要未给出基线名称、绝对 SI-SDR 或相对提升的计算方式，因此尚不能据此判断实际语音质量改善幅度。 复现时需核对 open evaluation condition 的具体含义，尤其是说话人、被试与数据划分关系，以及 EEG 与语音的时间对齐、通道配置和输入时长。实验协议、消融及统计信息尚未验证；亦需通过正文确认两个编码器各自的贡献，以及模型对注意信息的利用是否在不同被试与语音条件下保持稳定。