生成模型为在严格隐私约束下获取标注临床脑电（EEG）数据提供了可行的思路。尽管近期的生成模型在生成保真度上取得了显著提升，但这些提升掩盖了一个根本性错误。EEG 并非任意的多通道信号：每个通道记录的是两电极之间的电压差，真实记录必须满足通道之间的精确线性等式。现有生成器普遍违背这些等式，却未被发现。
为此我们提出 MontageFlow，一种基于流匹配的模型，通过约束输出只能是满足线性等式的信号来强制物理有效性。实验表明，保证有效性还能提升生成保真度。为避免过度平滑导致的 EEG 特征丢失，我们进一步在模型中加入由整段 EEG 窗口编码得到的生理状态向量作为条件，该向量在潜在空间中由先验分布采样。
在三个大规模基准上，MontageFlow 将 TS‑FID 提升了 1.6‑3.6 倍，相比最近的竞争模型同时保证了物理有效性。
点评