更自然、更真实：用于人脑三维视觉解码的对象感知高斯泼溅

基于摘要分析。该研究针对从人脑信号重建三维视觉对象时难以捕捉刺激视角的动态变化、重建与渲染保真度仍有提升空间的问题，提出 BrainGS，将脑信号编码与 3D Gaussian Splatting（3DGS）结合，用于三维对象解码。 机制上，BrainGS 使用 Fusion Time-Spatial Network 编码脑信号；Multi-Attribute Controller（MAC）以视觉、语义和颜色为锚点解耦特征，学习 Brain-3D 的特征分布，并为 3DGS 提供初始控制；Multi-View Stabilizer（MVS）旨在捕捉三维对象的多视角变化，形成更稳健的视角表征。摘要未说明这些模块的具体结构、监督来源、损失函数，以及脑信号特征如何转换为高斯表示的属性。 作者报告在涉及 fMRI/EEG 的实验中取得 2.936 FPD、0.202 LPIPS，并称达到 SOTA。但摘要没有交代这组数值对应哪种信号模态、数据划分、视角设置或对照基线，也未展开 FPD 的定义，因此不能将其直接解释为 EEG 单模态或跨被试条件下的已验证性能。作者还提出该方法可提供可靠的神经解释，但解释性分析的证据与验证方式尚未验证。 复现时需核对 Brain-3D 的数据构成、被试与刺激划分、脑信号和多视角对象的配对方式、3DGS 初始化与优化流程，以及 MAC、MVS 各自的贡献。尤其需要区分模型对已见对象新视角的重建能力与对未见对象的泛化能力。实验协议、消融及统计信息尚未验证；目前材料支持将其视为脑信号驱动的三维视觉重建方法，不能据此推断其在其他 BCI 任务中的有效性。