基于脑电图信号的图像生成及其在网页搜索中的应用

目的 本文旨在提升由脑电图（EEG）编码与解码模型生成的图像质量；通过模仿人类视觉处理的关键机制，提高生成图像的神经学合理性。设计/方法论/途径 鉴于视觉感知的中心-周边组织结构，本文在基于扩散的EEG到图像生成框架中引入了EEG分段模块和特征融合模块。EEG分段模块将输入信号分解为高波动幅度的片段与剩余信号，分别编码后融合，实现差异化的视觉建模。此外，提出了一种神经启发的应用框架，将EEG到图像生成方法扩展至网页搜索场景，其中EEG生成的图像作为用户意图的隐式视觉表达。研究结果 实验结果表明，整合EEG分段和特征融合显著提升了EEG生成图像的感知质量和结构一致性。原创性/价值 文章在基于扩散的EEG到图像生成框架中引入了EEG分段模块和特征融合模块，分段模块将输入信号分解为高波动幅度片段与剩余信号，分别编码并融合，实现差异化视觉建模。提出的神经启发应用框架扩展了EEG到图像生成方法，使其可用在网页搜索场景，其中EEG生成的图像作为用户意图的隐式视觉表达。