Brain2Face：EEG到头部表情潜变量

基于摘要分析。该研究探索能否仅从 EEG 恢复人类头部几何与外观的时空变化，以驱动数字头部 avatar。主要贡献是配对 EEG 与头部几何、外观标注的数据集、从 EEG 恢复表情的基线模型，以及用于验证采集和算法设计的基准协议。 数据与机制：作者将 64 通道 EEG 与个性化 Gaussian head avatar 的逐帧表情潜变量同步。提出的 EEG-to-expression 模型以 EEG 时间序列为输入，回归 3D Gaussian head avatar 的潜在表情参数。因此，摘要明确描述的解码目标是表情潜变量，而非直接生成完整头部几何或图像；其与最终外观变化的关系依赖 avatar 的表情参数化与渲染机制。 研究价值与对照：相较于作者所述既有工作主要关注活动及情绪识别，本研究将任务推进到连续、时序化的头部表情恢复，并提供配对监督与评估入口。作者报告通过所提出的基准协议验证采集及算法设计选择，但摘要未给出具体指标、结果数值或对照方法，不能据此判断恢复精度、时序稳定性或跨被试泛化能力。 局限与复现核对：被试数量、表情任务、采样率、同步误差、训练与测试划分、模型结构、损失函数、消融及统计信息尚未验证；数据、代码及个性化 avatar 的实际获取条件也尚未验证。全文需重点核对眼动、面部肌电和运动伪迹的处理及对照，才能评估表情预测与脑源信号的关系，不能仅凭 EEG 输入将结果解释为已证实的脑活动解码。被试内、跨被试及跨会话表现需按各自协议分别判断。