基于 EEG 听觉注意解码与 Contrastive-NMF 的神经引导音乐源分离

该研究提出神经引导音乐源分离范式：从用户对音乐刺激的 EEG 响应中解码选择性听觉注意，以确定希望分离的乐器，并据此适配通用源分离模型。基于摘要分析，未取得论文全文。 核心机制是利用被注意乐器与混合信号中未被注意声源之间的神经编码差异。作者以被注意乐器具有更强神经编码为依据，通过注意解码器提取这种“对比”信息，再将其用于名为 Contrastive-NMF 的非负矩阵分解模型。EEG 在这里提供的是目标乐器选择及模型适配的高层先验，而非仅作为独立的注意分类输出。 作者报告，EEG 信息能够自动选择需要增强的目标声源，并改善分离质量。但摘要仅给出定性结论，未提供评估协议、对照基线或量化指标，因此不能据此判断改善幅度、统计可靠性，以及被试内、跨被试或跨会话条件下的适用性。 复现时需核对注意解码器的输入与监督方式、“对比”信息进入 Contrastive-NMF 的具体形式、模型适配过程，以及 EEG 与音频的同步和预处理要求。数据集、被试数、乐器与混合配置、训练测试划分、实验协议、消融及统计信息尚未验证。该研究直接涉及 EEG 驱动的音频交互，但摘要不足以支持实时运行、跨用户泛化或实际应用稳定性的判断。