EgoBrain：协同脑信号与视觉的人类动作理解

基于摘要分析。EgoBrain 面向日常活动中的人类动作理解，构建时间对齐的第一视角视频与 EEG 多模态数据集，并提出融合两种模态的学习框架。其主要研究对象是联合脑信号与视觉的动作识别，不能据此将结果等同于仅凭 EEG 解码动作的能力。 数据方面，作者报告采集了 40 名参与者进行 29 类日常活动时的第一视角视频与 32 通道 EEG，共包含 61 小时同步记录。这一配对数据结构为研究自然活动中脑信号与视觉信息的互补性提供了基础；但摘要未说明活动类别分布、采集环境配置、同步精度及 EEG 预处理流程。 方法与评估方面，作者提出 EEG 与视觉融合的多模态学习框架，并报告在涉及跨被试及跨环境挑战的评估中取得 66.70% 的动作识别 Accuracy。摘要未明确该数值对应哪一种具体划分或是否为汇总结果，因此不能将其分别视为两种协议下的成绩。融合机制、训练目标、单模态对照、实验协议、消融及统计信息尚未验证，也尚不能判断 EEG 相对纯视觉模型带来了多少独立增益。 作者声明公开全部数据、工具和采集协议，但所给材料不足以核验资源获取方式、许可及复现完整性。阅读全文时值得重点核对被试与环境的划分方式、同步与伪迹处理，以及 EEG、视觉和融合模型在相同协议下的对照结果。作者将该数据集称为全球首个此类大规模数据集，其优先性尚未独立核验。