换一批生成式人工智能驱动的EEG视觉重建脑机接口
A Review of Brain-Computer Interfaces Leveraging Generative AI for EEG Visual Reconstruction
摘要生成式人工智能(GenAI)正重塑脑电图(EEG)视觉重建脑机接口(BCI)的研究范式.该文系统综述了该交叉领域的前沿进展,其核心贡献在于:从模型演进的视角,揭示了EEG 视觉重建从判别式分类向生成式重构的范式迁移——在编码-解码架构下,任务形态已实现从静态图像到动态视频、三维模型的多维跃迁,生成模型亦历经GAN、VAE 向扩散模型的迭代演进,各架构在语义一致性、结构保真度与训练稳定性上形成鲜明权衡.该文进一步梳理了公开数据集的演进脉络:从早期 ImageNet-EEG 的小样本验证,到 THINGS-EEG、Alljoined 等百万试次级大规模数据,再到 SEED-DV、EEG-3D 等时序化、多模态新基准,数据规模呈指数级增长,但跨被试一致性、生成式任务适配性等瓶颈仍制约领域发展.未来突破需在神经生理合理编码、视觉先验解耦与标准化评估体系构建三方面协同发力,推动 EEG 视觉重建从实验室原型走向真实场景,为解码大脑视觉表征机制提供可计算的建模新路径.
更多相关知识
关键词
脑机接口脑电图生成式人工智能图像生成视频生成3D模型生成Brain-Computer InterfaceElectroencephalogramgenerative AIimage generationvideo generation3D model generation
DOI
10.6054/j.jscnun.2026008
发布时间
2026-04-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
