从他人所见解码你所想象的内容

基于摘要分析。研究考察能否仅利用其他人的视觉感知 EEG，解码新用户的视觉想象，从而省去目标用户的想象数据采集。作者采用标准化的后部 alpha 功率解码器，强调跨被试对齐及对潜在混淆因素的控制，而非增加模型容量。 在一个包含 22 名参与者的公开 EEG 数据集上，作者将 21 人的视觉感知片段合并训练，并在留出的第 22 人的视觉想象片段上评估。针对 objects 条件，作者报告解码表现高于匹配置换零分布 5.3 个百分点（p = 0.0002），并报告 22 人中有 18 人呈现相关效果；摘要未明确该人数对应的个体判定标准，也未给出绝对 Accuracy。figures 条件呈同方向变化，作者将其作为方向性支持，不能据此视为同等强度的验证。 作者报告，预先声明的阴性对照处于机会水平，而其视觉感知对照表现较强，因此将该对照的失败定位于感知到想象的迁移环节，而非解码器本身。摘要还列出针对呈现顺序泄漏、提示锁定的时间泄漏、眼动污染及 205 种配置模型搜索的控制，并将迁移效果归因于逐被试对齐，而非模型容量；这些结论仍需结合全文中的具体实现与对照结果核对。 该研究直接涉及 EEG 视觉想象解码，但高于置换零分布的差异尚不能等同于可部署 BCI 的实际性能。数据集名称、类别设置、对齐是否需要目标用户其他类型的数据、预处理、具体指标、统计检验与多重比较处理，以及实验协议和消融细节尚未验证。复现时尤其需要确认对齐所需的目标用户信息，并严格区分无需目标用户想象训练数据与完全无需目标用户校准数据。