ACVPR · 2026
Cross-Subject EEG-to-Video Reconstruction and Beyond
Runduo Han, Hongchen Tan
CVPR 2026 主会 · CVF Open Access
字号
OVERVIEW
论文概览
面向未见被试的 EEG 到视频重建，以时空语义对齐把个体差异与动态视觉内容分开。
ABSTRACT
中文摘要
EEG 到视频不仅需要恢复每一帧的语义，还需保持跨帧运动一致性，并应在新被试上工作。作者提出 SAM-Net，从 EEG 中提取被试相对稳定的时空表示，并把其对齐到视频的语义和运动表征，再条件化视频生成模型。评估覆盖被试内与跨被试设置，同时考察检索、语义一致性和时间连贯性，强调模型能否在未参与训练的个体上重建动态视觉内容。
RESEARCH RELEVANCE
与你研究的关系
同时命中 brain-to-video 与跨被试泛化，是统一 EEG 视频解码分支的重要基线。
LIMITATIONS
局限与核查重点
视频生成先验可能补全大量未被 EEG 指定的细节；需关注严格的未见被试和未见视频划分。
SOURCE
来源与原文
CVPR 2026 主会 · CVF Open Access
Runduo Han, Hongchen Tan. Cross-Subject EEG-to-Video Reconstruction and Beyond. CVPR 2026 主会 · CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026/papers/Han_Cross-Subject_EEG-to-Video_Reconstruction_and_Beyond_CVPR_2026_paper.pdf