Harnessing Spectrum Video for Subject-Level Few-Shot and Cross-Montage EEG Generalization
Wei Wang, Fang He, Yifan Li, Wanying Qu, Yawei Li, Quanying Liu, Yanwei Fu
ICML 2026 主会 · OpenReview
OVERVIEW
论文概览
把 EEG 渲染为保持神经拓扑的频谱视频，借用 VideoMAE 的视频先验实现跨被试少样本和跨导联泛化。
ABSTRACT
中文摘要
该工作指出，传统 channel-first EEG 架构把传感器视为独立特征，难以适应电极布局变化。Brain Signal Rendering 将原始 EEG 转换为结构化时空张量“频谱视频”，保留电极几何与神经拓扑，再使用 VideoMAE 进行自监督预训练。作者通过被试级少样本学习和跨 montage 微调评估泛化，报告该表示显著优于既有频谱方法，说明视频基础模型的时空先验能够迁移到 EEG。
RESEARCH RELEVANCE
与你研究的关系
直接对应跨被试、跨设备的统一 EEG 表征，也为把视觉模型作为脑信号 tokenizer 提供可验证方案。
LIMITATIONS
局限与核查重点
图像化 EEG 可能引入插值偏差；需要验证提升来自拓扑表达还是 VideoMAE 的额外容量。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Wei Wang, Fang He, Yifan Li, Wanying Qu, Yawei Li, Quanying Liu, Yanwei Fu. Harnessing Spectrum Video for Subject-Level Few-Shot and Cross-Montage EEG Generalization. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=iCjSoADDPs