arXiv · cs.AI· Sudarshan Regmi, Nabaraj Subedi, Arvind Pillai, Yu Yvonne Wu, Yuliang Chen, Michael V. Heinz, Lisa Marsch, Nicholas C. Jacobson, Andrew Campbell·· 11 小时前
MontageFlow 提出满足 EEG 物理约束的高保真生成模型
MontageFlow: Physically Valid High Fidelity EEG Generation
arXiv:2610.14507v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sudarshan Regmi, Nabaraj Subedi, Arvind Pillai, Yu Yvonne Wu, Yuliang Chen, Michael V. Heinz, Lisa Marsch, Nicholas C. Jacobson, Andrew Campbell
研究任务与主要进展
Sudarshan Regmi 等人提出 MontageFlow，将流匹配模型的输出限制为满足 EEG 多通道电极间线性恒等关系的信号，从而避免生成结果违反物理结构。作者还以整个 EEG 窗口编码得到的生理状态向量进行条件化，以保留过度平滑会损失的 EEG 特征；在 3 个大规模基准上，作者报告 TS-FID 相较最接近的竞争方法提升 1.6–3.6 倍，并同时满足有效性约束。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org