BridgeRouter：跨模态桥接组合的增益感知实例路由

BridgeRouter 用增益预测为每个样本选择一条跨模态桥接路径。

资讯摘要

论文提出 BridgeRouter，将多桥接跨模态迁移建模为实例级算法选择问题。系统以验证集选出的单一最优路径为默认，训练时用任务标签计算各候选路径相对默认路径的负对数似然增益，再由轻量 MLP 从冻结编码器提取的目标模态表征预测增益；推理时仅需目标模态，执行预测增益超过校准阈值的那一条路径。作者在 FOG 的 EMG 步态冻结检测和 ISRUC 的 ECG 睡眠分类上评估七条 EEG 基础模型桥接路径，报告平衡准确率分别为 81.38±1.11% 和 62.92±2.17%。

要点速读

1. BridgeRouter 在推理时只观察目标模态，不需要 EEG、任务标签或所有候选路径的预测，仅执行一条桥接路径。
2. 在 FOG 数据集上，BridgeRouter 五种子平均平衡准确率为 81.38±1.11%，比 BIOT 单一最优路径高 11.49 个百分点。
3. 在 ISRUC 数据集上为 62.92±2.17%，比 CBraMod 单一最优路径高 3.83 个百分点；作者指出实例级桥接 oracle 分别可达 99.96% 和 78.61%，仍有提升空间。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。