用于隐式图像生成的跨被试 EEG 反馈

基于摘要分析。该研究针对生成模型通常需要显式手动输入、难以整合多用户隐式目标的问题，提出利用跨被试 EEG 反馈引导 GAN 生成人脸图像的系统。其贡献在于将观看示例人脸时的脑响应转化为对显著视觉特征（VFs）的偏好反馈，再用于生成符合用户目标的新图像。 方法与数据：作者在一项涉及 30 名被试的实验中记录了观看人脸图像时的 EEG，任务聚焦于特定显著视觉特征。系统从脑响应中解码被试对这些特征的偏好，并将其作为 GAN 的隐式反馈。摘要未说明具体特征、EEG 预处理、解码模型、训练目标，以及反馈如何进入 GAN 的生成过程，相关实现尚未验证。 结果与对照：作者报告，后续用户研究通过评价生成图像是否包含目标显著视觉特征，发现脑反馈生成的人脸能够体现研究被试的目标，且与手动反馈生成的图像相当。摘要未提供评价人数、指标数值、统计检验或“相当”的判定标准，因此不能将其解释为已建立统计等效性，也不能据此推断 EEG 解码 Accuracy 或其他性能指标。 复现与边界：论文以跨被试反馈为核心，但训练和测试的被试划分、多用户反馈的整合方式、个体校准需求及泛化范围尚未验证。复现时需核对这些协议，以及手动反馈对照、目标特征评价流程和生成模型配置。该证据支持的是特定人脸视觉特征目标下的隐式生成交互，尚不能扩展为任意图像目标或自由意图的可靠解码；实验协议、消融及统计信息尚未验证。