MGRL：用于文本到图像行人检索的相互引导表征学习

基于摘要分析。该研究针对文本到图像行人检索中图像与文本信息交互不足的问题，提出 Mutual-guidance Representation Learning（MGRL），通过文本引导视觉特征提取、视觉辅助文本补全，学习用于行人匹配的关键表征。原论文研究对象是行人图像与自然语言描述，并非 EEG 或 BCI。 方法包含两个模块：iterative text-guided feature extraction（ITFE）通过迭代文本引导，使特征提取关注目标行人与描述相匹配的局部信息；vision-assisted specific mask complement（VSMC）则利用提取出的图像特征，辅助补全仅凭未掩码文本难以恢复的内容，以进一步促使视觉特征包含文本描述所指的信息。相较于分别提取图像与文本特征、再映射到统一空间计算相似度的流程，其主要方法特点是加强跨模态信息交互。摘要未披露具体损失函数、掩码选择规则、迭代次数及训练和推理流程。 作者报告在 CUHK-PEDES 和 ICFG-PEDES 上开展实验，并称结果显示 MGRL 的优势；摘要未给出具体指标、数值、数据划分或对照方法，因此无法据此判断提升幅度。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若任务具有逐样本配对的 EEG 与文本或视觉监督，相互引导与跨模态补全可作为缓解语义对齐不足的候选机制，但这不构成已验证的 BCI 效果。可借鉴交互与补全思路，视觉特征提取和局部注意模块则需适配 EEG 的时空结构；低信噪比、跨被试差异、通道变化及小样本可能使引导分支学习到不稳定关联。一个可检验的小实验是在固定配对数据和跨被试划分下，对比独立编码基线与加入单向引导、双向补全的模型，检查匹配性能增益是否稳定。相关 EEG 工作尚未检索确认。