面向智能机器人的基于 EEG 的脑启发式视觉注意建模

该研究面向智能机器人在人机交互（HRI）场景中向人传输视频时的带宽与存储限制，利用 EEG 建模人类视觉注意（VA），并将注意指标用于视频片段的码率分配。核心贡献是建立从脑响应中的注意测量，到直接根据视频预测注意指标，再到注意驱动视频压缩的处理链路。基于摘要分析，未取得论文全文。 方法上，作者采集人观看视频时的 EEG，构建反映 VA 的数据集；随后提出 VA 测量模型，从 EEG 脑响应中判断注意状态。在此基础上，建立脑启发式 VA 预测模型，直接从视频获得注意指标，最终为更受关注的视频片段分配更多码率。摘要描述的应用端指标来自视频预测，不能据此将其等同于实时 EEG 控制机器人或在线 BCI 系统。 作者报告，在所开展的实验中，方法能够准确判断人的 VA 状态、预测不同视频片段诱发的 VA 指标，并且基于该指标的码率分配可在低码率条件下改善感知质量。摘要未提供具体指标、数值、对照方法或感知质量评估方式，因此目前只能保留这些定性结论，不能判断改善幅度或与其他方法的优劣。 复现时需核对 VA 的操作性定义与标签构建、EEG 采集和预处理、两个模型的训练目标与衔接方式，以及视频编码和码率分配细节。被试数量、视频刺激组成、被试内或跨被试划分、训练与测试视频的划分、实验协议、消融及统计信息尚未验证。该研究的主要对象是 EEG 引导的视觉注意建模与视频压缩，其结果不直接构成通用 EEG 解码或其他 BCI 任务有效性的证据。