본 논문은 뇌 활동을 시각적 표상으로 해석하는 문제에 대해 다룬다. 기존의 EEG 시각 디코딩 방법들이 계층적 신경 부호화 무시(HNEN) 문제로 인해 성능이 제한되는 점을 지적하며, 시각 피질의 계층적 구조에서 영감을 얻은 ViEEG라는 새로운 프레임워크를 제안한다. ViEEG는 시각 자극을 윤곽, 전경 객체, 배경 장면의 세 가지 생물학적으로 정렬된 구성 요소로 분해하고, 이를 기반으로 삼중 스트림 EEG 인코더를 사용한다. 크로스 어텐션 라우팅을 통해 저수준에서 고수준 시각 정보 흐름을 모방하며, 계층적 대조 학습을 통해 EEG-CLIP 표상 정렬을 수행하여 제로샷 객체 인식을 가능하게 한다. THINGS-EEG 및 THINGS-MEG 데이터셋 실험 결과, 기존 방법보다 훨씬 우수한 성능을 보이며, EEG 뇌 디코딩에 새로운 패러다임을 제시한다.
