3D-Telepathy：从 EEG 信号重建三维物体

基于摘要分析。该研究面向由 EEG 信号重建三维视觉刺激的问题，尝试突破既有脑活动到二维图像重建的任务范围。作者提出结合双重自注意力机制的 EEG Encoder，并利用生成先验与三维表示优化，将 EEG 表征用于三维物体生成。 技术路径上，EEG Encoder 采用包含 cross-attention、对比学习和自监督学习的混合训练策略；生成阶段以 stable diffusion 作为先验分布，通过 Variational Score Distillation 训练神经辐射场。摘要未明确双重自注意力分别作用于哪些维度，也未交代各训练目标的具体形式、跨模态对齐对象及 EEG 表征进入生成流程的方式，这些实现细节尚未验证。 作者将 EEG 噪声较强及 EEG 与三维信息配对数据稀缺列为主要挑战，并报告能够从 EEG 生成内容与结构相近的三维物体。不过，摘要未给出数据集、被试数、刺激呈现方式、数据划分、对照基线或定量指标，因此尚不能判断结果适用于被试内、跨被试还是其他评估协议，也不能据此认定模型已准确恢复三维几何。实验协议、消融及统计信息尚未验证。 复现时值得核对 EEG 信息相对于 stable diffusion 先验的实际贡献，以及内容相似性、结构一致性和三维几何质量如何分别评估；还需确认配对数据的构建方式与训练、测试划分。作者提供了代码链接，但代码完整性、数据可得性及运行条件尚未验证。摘要提出辅助沟通障碍人群的应用潜力，并未提供相应临床验证证据。