看见情绪：用于 EEG 情绪识别的面部 Emoji 代理建模

基于摘要分析。本文研究 EEG 情绪识别中抽象神经特征与人类可理解状态之间缺乏语义关联的问题，提出 Facial Emoji Proxy Modeling，将 EEG 转换为身份匿名化的面部 emoji，以跨模态生成和行为可视化补充情绪分类的可解释性。 方法以神经活动与面部表现的关联为启发，将神经表征关联到可观察的面部动态。框架包含 FMENet 与 Facial Emoji Learning Branch（FELB）：前者用于建模与表情相关的空间协同关系，后者将 emoji 重建作为结构化语义正则化。其关键思路不是仅对分类特征进行归因，而是让模型输出可观察的面部动画。不过，摘要未提供网络结构、重建目标、损失形式、监督信号来源及各分支的训练和推理关系，这些细节尚未验证。 作者报告，在 EAV 和 MMER 上，该方法的情绪识别准确率达到 EEG-only 模型中的最先进水平，并能生成语义忠实的面部动画。摘要未给出具体 Accuracy、对照模型、被试规模或被试内、跨被试、跨会话等评估协议，因此目前不能量化增益或判断泛化范围。“EEG-only”的具体输入约束，以及训练阶段是否使用配对面部数据，也需通过全文核对。 解释性方面，可视化输出不等同于对 EEG 决策机制的忠实解释；需核对动画语义与情绪标签、真实面部动态及模型预测之间的对应证据。作者将身份匿名化 emoji 描述为保护隐私的窗口，但匿名化方式与隐私评估尚未验证。复现时还需确认 emoji 监督构建方式、数据划分、FELB 的消融及统计信息。摘要提供了代码地址，但代码可用性、依赖和完整复现条件尚未验证。