arXiv cs.AI· Hanseul Choi, Jinyeong Park, Seongwon Jin, Sungho Park, Jibum Kim·· 14 小时前AI 评分26
CAMEL-CLIP：面向通用脑基础模型的通道感知多模态 EEG-文本对齐
CAMEL-CLIP: Channel-aware Multimodal Electroencephalography-text Alignment for Generalizable Brain Foundation Models
AI 导读
CAMEL-CLIP 是一个对异构通道配置鲁棒的对比式 EEG-文本多模态基础模型，由通道属性位置编码、动态通道投影和双层对比学习三部分组成。在线性探测下，它在多个数据集上取得所评估基线中最高的平均平衡准确率，并在不同通道配置间迁移时无需重新训练分类器即可保持较高分类性能。
正文 · AI 翻译
摘要：脑电图（EEG）基础模型在学习可泛化表征方面已展现出潜力，但它们仍对通道异质性敏感，例如通道组成或顺序的变化。我们提出了通道感知的多模态 EEG-文本对齐对比语言图像预训练（CAMEL-CLIP），这是一种对比式 EEG-文本多模态基础模型，旨在对异构通道配置具有鲁棒性，并广泛适用于多种下游任务。CAMEL-CLIP 结合了三个组件：（1）基于通道属性的位置编码，利用通道的解剖属性和参考类型来识别通道；（2）动态通道投影，在不同数量的 EEG 通道下保留通道特定信息，并将文本报告与通道信息结合以支持通道级 EEG-文本匹配；（3）双层对比学习，在单通道和整样本两个层面将 EEG 信号与文本对齐。实验结果表明，在线性探测下，CAMEL-CLIP 在多个数据集上取得了所评估基线中最高的平均平衡准确率。CAMEL-CLIP 在不同通道配置之间迁移且无需重新训练分类器时，也表现出较高的分类性能。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.13272 [cs.LG] |
| （或本版本的 arXiv:2603.13272v2 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2603.13272 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jibum Kim [查看邮箱]
[v1]
2026年2月27日星期五 05:05:08 UTC（3,096 KB）
[v2]
2026年10月25日星期日 23:51:55 UTC（11,891 KB）
来源：arXiv cs.AI · arxiv.org