Buchumschlag

Eccentricity Confound in EEG-based Visual Attention Decoding from Gaze-Fixated Neural Tracking of Motion in Natural Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Yuanyuan, Gonzalez, Celina Salamanca, Geirnaert, Simon, Gillebert, Celine R., Tuytelaars, Tinne, Bertrand, Alexander
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Signal Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sample-level EEG-based Selective Auditory Attention Decoding with Markov Switching Models
von: Yao, Yuanyuan, et al.
Veröffentlicht: (2026)

Efficient Solutions for Mitigating Initialization Bias in Unsupervised Self-Adaptive Auditory Attention Decoding
von: Yao, Yuanyuan, et al.
Veröffentlicht: (2025)

EEG-based Decoding of Selective Visual Attention in Superimposed Videos
von: Yao, Yuanyuan, et al.
Veröffentlicht: (2024)

Stimulus-Informed Generalized Canonical Correlation Analysis for Group Analysis of Neural Responses to Natural Stimuli
von: Geirnaert, Simon, et al.
Veröffentlicht: (2024)

A Direct Comparison of Simultaneously Recorded Scalp, Around-Ear, and In-Ear EEG for Neural Selective Auditory Attention Decoding to Speech
von: Geirnaert, Simon, et al.
Veröffentlicht: (2025)

Performance Modeling for Correlation-based Neural Decoding of Auditory Attention to Speech
von: Geirnaert, Simon, et al.
Veröffentlicht: (2025)

AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding
von: Nguyen, Nhan Duc Thanh, et al.
Veröffentlicht: (2024)

Linear stimulus reconstruction works on the KU Leuven audiovisual, gaze-controlled auditory attention decoding dataset
von: Geirnaert, Simon, et al.
Veröffentlicht: (2024)

Post-processing of EEG-based Auditory Attention Decoding Decisions via Hidden Markov Models
von: Heintz, Nicolas, et al.
Veröffentlicht: (2025)

Neural Tracking of Sustained Attention, Attention Switching, and Natural Conversation in Audiovisual Environments using Mobile EEG
von: Wilroth, Johanna, et al.
Veröffentlicht: (2026)

ChineseEEG-2: An EEG Dataset for Multimodal Semantic Alignment and Neural Decoding during Reading and Listening
von: Chen, Sitong, et al.
Veröffentlicht: (2025)

Exploring Deep Learning Models for EEG Neural Decoding
von: Dixen, Laurits, et al.
Veröffentlicht: (2025)

Using Ear-EEG to Decode Auditory Attention in Multiple-speaker Environment
von: Zhu, Haolin, et al.
Veröffentlicht: (2024)

Decoding Natural Images from EEG for Object Recognition
von: Song, Yonghao, et al.
Veröffentlicht: (2023)

Visual Decoding and Reconstruction via EEG Embeddings with Guided Diffusion
von: Li, Dongyang, et al.
Veröffentlicht: (2024)

Remembering by Reconstructing: Domain Incremental Learning With Test-Time Training on Video Streams
von: Swinnen, Jonathan, et al.
Veröffentlicht: (2026)

TAnet: A New Temporal Attention Network for EEG-based Auditory Spatial Attention Decoding with a Short Decision Window
von: Ding, Yuting, et al.
Veröffentlicht: (2024)

Adaptive Progressive Attention Graph Neural Network for EEG Emotion Recognition
von: Feng, Tianzhi, et al.
Veröffentlicht: (2025)

Auditory Attention Decoding from Ear-EEG Signals: A Dataset with Dynamic Attention Switching and Rigorous Cross-Validation
von: Zhang, Yuanming, et al.
Veröffentlicht: (2025)

HFMCA: Orthonormal Feature Learning for EEG-based Brain Decoding
von: Wang, Yinghao, et al.
Veröffentlicht: (2026)

EEG Foundation Challenge: From Cross-Task to Cross-Subject EEG Decoding
von: Aristimunha, Bruno, et al.
Veröffentlicht: (2025)

Precision Enhancement in Sustained Visual Attention Training Platforms: Offline EEG Signal Analysis for Classifier Fine-Tuning
von: Norouzi, Maryam, et al.
Veröffentlicht: (2024)

Unsupervised EEG-based decoding of absolute auditory attention with canonical correlation analysis
von: Heintz, Nicolas, et al.
Veröffentlicht: (2025)

EEG Decoding for Datasets with Heterogenous Electrode Configurations using Transfer Learning Graph Neural Networks
von: Han, Jinpei, et al.
Veröffentlicht: (2023)

Informed Bootstrap Augmentation Improves EEG Decoding
von: Jeong, Woojae, et al.
Veröffentlicht: (2025)

Bayesian Multiobject Tracking With Neural-Enhanced Motion and Measurement Models
von: Wei, Shaoxiu, et al.
Veröffentlicht: (2025)

EEG-GMACN: Interpretable EEG Graph Mutual Attention Convolutional Network
von: Ye, Haili, et al.
Veröffentlicht: (2024)

Auditory Attention Decoding without Spatial Information: A Diotic EEG Study
von: Yoshino, Masahiro, et al.
Veröffentlicht: (2026)

EEG-to-Voice Decoding of Spoken and Imagined speech Using Non-Invasive EEG
von: Park, Hanbeot, et al.
Veröffentlicht: (2025)

Deep Riemannian Networks for End-to-End EEG Decoding
von: Wilson, Daniel, et al.
Veröffentlicht: (2022)

EEG2GAIT: A Hierarchical Graph Convolutional Network for EEG-based Gait Decoding
von: Fu, Xi, et al.
Veröffentlicht: (2025)

From Raw Gaze to Meaningful Features: Assessment of Visual Behavior in Driving Simulator
von: Stokanović, Smilja, et al.
Veröffentlicht: (2025)

A Pre-trained EEG-to-MEG Generative Framework for Enhancing BCI Decoding
von: Li, Zhuo, et al.
Veröffentlicht: (2026)

From EEG Cleaning to Decoding: The Role of Artifact Rejection in MI-based BCIs
von: Hajhassani, Davoud, et al.
Veröffentlicht: (2026)

Animate Your Motion: Turning Still Images into Dynamic Videos
von: Li, Mingxiao, et al.
Veröffentlicht: (2024)

EEGMobile: Enhancing Speed and Accuracy in EEG-Based Gaze Prediction with Advanced Mobile Architectures
von: Liang, Teng, et al.
Veröffentlicht: (2024)

radarODE-MTL: A Multi-Task Learning Framework with Eccentric Gradient Alignment for Robust Radar-Based ECG Reconstruction
von: Zhang, Yuanyuan, et al.
Veröffentlicht: (2024)

SWIM: Short-Window CNN Integrated with Mamba for EEG-Based Auditory Spatial Attention Decoding
von: Zhang, Ziyang, et al.
Veröffentlicht: (2024)

GCMCG: A Clustering-Aware Graph Attention and Expert Fusion Network for Multi-Paradigm, Multi-task, and Cross-Subject EEG Decoding
von: Chen, Yiqiao, et al.
Veröffentlicht: (2025)

EEG-to-Gait Decoding via Phase-Aware Representation Learning
von: Fu, Xi, et al.
Veröffentlicht: (2025)