# RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

### 저자

Enrico Collautti, Xiaopeng Mao, Luca Tonin, Stefano Tortora, Sadasivan Puthusserypady

### 💡 개요

본 연구는 뇌-컴퓨터 인터페이스(BCI) 분야의 난제인 뇌전도(EEG) 신호로부터 문장 수준의 언어 정보를 해독하는 문제를 해결하기 위해 제안되었습니다. 제안하는 방법론은 EEG 인코더, 벡터 검색, 그리고 대규모 언어 모델(LLM)을 결합한 검색 증강 생성(RAG) 파이프라인으로, EEG 신호를 의미론적 문장 임베딩과 정렬하고 이를 기반으로 후보 문장을 검색한 후 LLM으로 최종 결과물을 생성합니다. 실험 결과, 기존 방법론이 어려움을 겪었던 추론 단계에서 지도 강제(teacher forcing) 없이도 무작위 기준선을 크게 상회하는 성능을 달성했습니다.

### 🔑 시사점 및 한계

- EEG 신호에서 문장 수준의 의미 있는 언어 정보를 성공적으로 추출할 수 있음을 입증했습니다.

- 검색 증강 생성(RAG) 방식이 추론 시에도 높은 성능을 유지하며, 기존 방법론의 한계를 극복할 수 있음을 보여줍니다.

- 본 연구는 EEG 신호 해독 성능을 30.45% 향상시키며, BCI 기술 발전에 기여할 잠재력을 보여줍니다.

- 추가적인 데이터셋과 다양한 뇌파 측정 조건에서의 성능 검증, 그리고 실제 적용 가능성을 높이기 위한 연구가 필요합니다.

---

[PDF 보기](https://arxiv.org/pdf/2605.17503)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).