SATTC: Structure-Aware Label-Free Test-Time Calibration for Cross-Subject EEG-to-Image Retrieval
Qunjie Huang, Weina Zhu
CVPR 2026 主会 · CVF Open Access
OVERVIEW
论文概览
在没有目标被试标签的情况下，利用 EEG 结构在测试时校准跨被试图像检索模型。
ABSTRACT
中文摘要
跨被试 EEG 到图像检索在目标被试分布变化时性能显著下降，而重新采集标签成本高。SATTC 在推理阶段利用无标签目标 EEG 的通道、时间和邻域结构校准表示，使其与训练被试形成更一致的语义空间，同时避免简单熵最小化导致的类别坍塌。作者在跨被试协议下比较无适配、监督校准和多种测试时适配方法，评估结构先验对未见个体检索的作用。
RESEARCH RELEVANCE
与你研究的关系
可作为 subject-specific adapter 之外的无标签替代方案，并能接入 EEG–CLIP 检索。
LIMITATIONS
局限与核查重点
测试时访问整批目标数据可能不符合在线应用；需要检查顺序、批量大小和分布漂移假设。
SOURCE
来源与原文
CVPR 2026 主会 · CVF Open Access
Qunjie Huang, Weina Zhu. SATTC: Structure-Aware Label-Free Test-Time Calibration for Cross-Subject EEG-to-Image Retrieval. CVPR 2026 主会 · CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026/html/Huang_SATTC_Structure-Aware_Label-Free_Test-Time_Calibration_for_Cross-Subject_EEG-to-Image_Retrieval_CVPR_2026_paper.html