AICML · 2026
ViEEG: Hierarchical Visual Neural Representation for EEG Brain Decoding
Minxu Liu, Donghai Guan, Chuhang Zheng, Chunwei Tian, Jie Wen, Qi Zhu
ICML 2026 主会 · OpenReview
字号
OVERVIEW
论文概览
把视觉刺激拆为轮廓、前景物体和场景语境三层锚点，以层级多流编码器模拟 EEG 视觉表征的组织。
ABSTRACT
中文摘要
ViEEG 认为，将 EEG 直接映射到单一整体视觉嵌入会忽略视觉系统由低层形状到高层语义的层级结构。模型把刺激图像分解为轮廓、前景物体和上下文场景三类视觉锚点，并为其建立三条 EEG 编码流，再通过跨注意力路由交换不同层级的信息。该设计试图模拟视觉皮层中的渐进式加工，使脑信号表征同时支持低层视觉恢复与高层语义解码。实验比较了不同层级锚点和路由模块的贡献。
RESEARCH RELEVANCE
与你研究的关系
可直接用于你的 EEG–CLIP 统一模型：把单一 CLIP 目标拆成低层结构、对象语义与场景语境三个可解释子空间。
LIMITATIONS
局限与核查重点
层级锚点来自人工设定的视觉模型分解；性能提升不能单独证明其对应真实皮层层级。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Minxu Liu, Donghai Guan, Chuhang Zheng, Chunwei Tian, Jie Wen, Qi Zhu. ViEEG: Hierarchical Visual Neural Representation for EEG Brain Decoding. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=DkK7GUr8n3