用于生成对个体具有吸引力图像的脑机接口

基于摘要分析。本研究关注如何利用难以明确言述的个体吸引力偏好生成图像，提出生成式脑机接口（GBCI），将 EEG 记录的个性化吸引力反应与 GAN 相结合，以生成人脸图像。 核心流程是先向用户展示一组图像，通过 EEG 捕获其对图像的吸引力反应，再利用这些反应控制 GAN，寻找与该个体认为有吸引力的视觉特征相匹配的表示。研究的关键思路是利用生成模型表达复杂图像分布，并以神经信号引导个性化生成，而非依赖预先定义的吸引力特征参数。摘要未说明 EEG 反应的具体成分、预处理、解码方法、监督标签来源，以及 GAN 表示的搜索或更新机制。 作者报告，在使用人脸生成 GAN 的验证实验中，共有 30 名参与者；对 GBCI 生成图像与匹配对照进行双盲评估后，获得了作者所称的“高度准确”结果。摘要未提供 Accuracy 或其他具体指标、数值及统计检验，也未说明匹配对照的构造方式，因此不能据此量化生成效果或与其他 BCI 方法直接比较。作者还报告，生成图像在视觉上再现了社会神经科学中的已知效应，并据此提出其可用于刻画个体差异及可视化认知—情感加工；相关效应的定义与验证证据仍需全文核对。 复现需要明确 EEG 采集与刺激呈现协议、吸引力反应到 GAN 控制信号的映射、生成模型与图像筛选方式，以及双盲评估和匹配对照流程。实验协议、消融及统计信息尚未验证，当前材料也不足以判断跨被试、跨会话泛化能力或实时交互性能。其直接研究对象是个体人脸吸引力驱动的生成式 BCI，不应将结果扩展为一般视觉偏好解码或其他 BCI 任务已获得验证。