BioX-Bridge：用于生物信号间无监督跨模态知识迁移的模型桥接
人工智能
2026-02-25 v2
摘要
生物信号为人体生理状态提供了宝贵洞察。虽然生物信号模态在功能、信号保真度、传感器舒适度和成本方面各不相同，但它们通常相互关联，反映了人体生理的整体性和互联性。这为使用替代生物信号模态执行相同任务提供了可能，从而提高了健康监测系统的可访问性、可用性和适应性。然而，大规模标注数据的有限可用性为训练针对特定任务和模态的模型带来了挑战。无监督跨模态知识迁移提供了一种有前景的解决方案，通过利用现有模态的知识来支持新模态的模型训练。现有方法通常基于知识蒸馏，这需要同时运行教师模型和学生模型训练，导致高昂的计算和内存开销。这一挑战因近期展示出优异性能和泛化能力但以模型规模庞大为代价的基础模型的发展而进一步加剧。为此，我们探索了一种新的生物信号无监督跨模态知识迁移框架，通过训练轻量级桥接网络来对齐中间表示，并在基础模型之间和跨模态之间实现信息流。具体而言，我们提出了一种高效策略来选择桥接网络应构建的对齐位置，以及一种灵活的原型网络作为桥接架构。跨多个生物信号模态、任务和数据集的大量实验表明，BioX-Bridge 将可训练参数数量减少了 88–99%，同时保持甚至超越了最先进方法的迁移性能。
引用
@article{arxiv.2510.02276,
title = {BioX-Bridge: Model Bridging for Unsupervised Cross-Modal Knowledge Transfer across Biosignals},
author = {Chenqi Li and Yu Liu and Timothy Denison and Tingting Zhu},
journal= {arXiv preprint arXiv:2510.02276},
year = {2026}
}