Brain-CLIPLM: Decoding Compressed Semantic Representations in EEG for Language Reconstruction

Diese Arbeit schlägt eine semantische Kompressionshypothese vor, um Einschränkungen bei der EEG-zu-Text-Dekodierung zu überwinden, indem sie annimmt, dass EEG-Signale komprimierte semantische Anker und nicht die vollständige Sprachstruktur kodieren. Es wird Brain-CLIPLM vorgestellt, ein zweistufiges Framework zur Extraktion semantischer Anker mittels kontrastivem Lernen und zur Satzrekonstruktion mithilfe eines retrieval-basierten großen Sprachmodells.