TFM-Tokenizer · EEG token 化

将单通道 EEG 转换为供 Transformer 使用的时频离散 token。

从此提示词开始

将单通道 EEG 转换为供 Transformer 使用的时频离散 token。

创建一张 16:9 横版 TFM-Tokenizer 概念方法图，展示单通道 EEG 如何转换为时频离散 token 并输入 Transformer。

标题："TFM-Tokenizer：EEG 时频离散化｜概念示例"。

EEG 波形依次经过 STFT 和重叠分块；时间掩码输入进入时间编码器，频带掩码输入进入局部频谱窗口编码器，两个分支在门控逐块聚合处汇合；随后进行量化，形成 token 词表和 EEG-token，并通过掩码重建还原频谱图；右侧展示学习得到的 EEG token → 掩码 → Transformer 编码器 → token 预测头 → 掩码 token 预测。

频谱使用紫色，时间路径使用蓝色，词表和 token 使用橙色，掩码使用灰色阴影线；采用白色背景、清晰箭头和模块框。

保留以下定性说明：该方法与模型无关，可适配基础模型和多通道场景。

添加损失标注

为掩码重建分支添加其重建损失标注，其余流程保持不变。

体验 Kimi Design

创建一张 16:9 横版 TFM-Tokenizer 概念方法图，展示单通道 EEG 如何转换为时频离散 token 并输入 Transformer。

标题："TFM-Tokenizer：EEG 时频离散化｜概念示例"。

EEG 波形依次经过 STFT 和重叠分块；时间掩码输入进入时间编码器，频带掩码输入进入局部频谱窗口编码器，两个分支在门控逐块聚合处汇合；随后进行量化，形成 token 词表和 EEG-token，通过掩码重建还原频谱图；右侧展示学习得到的 EEG token → 掩码 → Transformer 编码器 → token 预测头 → 掩码 token 预测。

频谱使用紫色，时间路径使用蓝色，词表和 token 使用橙色，掩码使用灰色阴影线；采用白色背景、清晰箭头和模块框。

保留以下定性说明：该方法与模型无关，可适配基础模型和多通道场景。

切换配色

在不改变结构的前提下，将频谱、时间路径和 token 分别改为靛蓝色、青绿色和朱红色。

体验 Kimi Design

创建一张 16:9 横版 TFM-Tokenizer 概念方法图，展示单通道 EEG 如何转换为时频离散 token 并输入 Transformer。

标题："TFM-Tokenizer：EEG 时频离散化｜概念示例"。

EEG 波形依次经过 STFT 和重叠分块；时间掩码输入进入时间编码器，频带掩码输入进入局部频谱窗口编码器，两个分支在门控逐块聚合处汇合；随后进行量化，形成 token 词表和 EEG-token，并通过掩码重建还原频谱图；右侧展示学习得到的 EEG token → 掩码 → Transformer 编码器 → token 预测头 → 掩码 token 预测。

频谱使用紫色，时间路径使用蓝色，词表和 token 使用橙色，掩码使用灰色阴影线；采用白色背景、清晰箭头和模块框。

保留以下定性说明：该方法与模型无关，可适配基础模型和多通道场景。

添加多通道示意图

在定性说明旁添加一个小型多通道扩展示意图。

体验 Kimi Design

创建一张 16:9 横版 TFM-Tokenizer 概念方法图，展示单通道 EEG 如何转换为时频离散 token 并输入 Transformer。

标题："TFM-Tokenizer：EEG 时频离散化｜概念示例"。

EEG 波形依次经过 STFT 和重叠分块；时间掩码输入进入时间编码器，频带掩码输入进入局部频谱窗口编码器，两个分支在门控逐块聚合处汇合；随后进行量化，形成 token 词表和 EEG-token，并通过掩码重建还原频谱图；右侧展示学习得到的 EEG token → 掩码 → Transformer 编码器 → token 预测头 → 掩码 token 预测。

频谱使用紫色，时间路径使用蓝色，词表和 token 使用橙色，掩码使用灰色阴影线；采用白色背景、清晰箭头和模块框。

保留以下定性说明：该方法与模型无关，可适配基础模型和多通道场景。