看见情绪：用于 EEG 情绪识别的面部 Emoji 代理建模

基于摘要分析。研究针对 EEG 情绪识别模型缺乏人类可理解语义的问题，提出 Facial Emoji Proxy Modeling，将高维 EEG 信号转化为去身份化的面部 emoji，以跨模态生成替代单纯的特征归因，并为情绪识别提供行为可视化接口。 核心机制包括 FMENet 与 Facial Emoji Learning Branch（FELB）：前者是用于建模表情相关空间协同关系的专用骨干，后者将 emoji 重建作为结构化语义正则项。作者以神经活动与面部表情之间的关联为启发，尝试将 EEG 表征约束到可观察的面部动态空间。摘要未说明具体网络结构、重建目标、损失组合、训练监督来源，以及推理时各分支的使用方式，这些内容尚未验证。 作者报告，在 EAV 和 MMER 基准上，该方法在仅使用 EEG 的模型中达到最先进的 Accuracy，并能够生成语义忠实的面部动画。摘要未提供具体 Accuracy、被试数、数据划分、Within-subject 或 Cross-subject 协议及对照模型，因此目前无法量化性能增益，也不能确认不同评估条件下的泛化能力。实验协议、消融及统计信息尚未验证。 解释性方面，生成可理解的表情不必然意味着其忠实反映了分类决策或真实情绪演变，需要核对生成结果与 EEG、情绪标注及面部动态之间的一致性证据。作者将去身份化 emoji 描述为保护隐私的可视化窗口，但摘要未说明身份信息去除机制与隐私评估。复现时应重点核对 EEG 与表情数据的配对或同步要求、表情监督的获取方式，以及仅 EEG 输入的评估边界。摘要提供了代码地址，但代码可用性、训练配置与预处理流程尚未验证。