Splatter a Video：面向多用途处理的视频高斯表示

基于摘要分析。该研究面向视频表示与处理，试图同时解决缺乏三维结构时复杂运动难以建模，以及隐式三维表示不便操控的问题。作者提出 video Gaussian representation，将视频表示为显式 3D Gaussians，以统一支持视频分析、编辑与生成任务。 核心机制是在三维规范空间中使用显式 Gaussians 表示视频外观，并为每个 Gaussian 关联三维运动以描述视频动态。针对这一欠定学习问题，方法从基础模型中蒸馏光流、深度等二维先验，用于正则化表示学习。相较于 layered atlas 或体积像素矩阵，作者强调该表示的显式三维结构与可操作性；摘要未提供具体参数化、损失形式、优化流程或先验模型名称。 作者报告，该表示可用于跟踪、时序一致的视频深度与特征细化、运动及外观编辑，以及立体视频生成。但摘要未给出数据集、评估划分、对照基线或定量指标，因此目前只能确认作者声称覆盖的应用范围，不能据此判断相对优势。实验协议、消融及统计信息尚未验证；复现所需的代码、计算资源与具体配置也尚未验证。 原论文的主要对象是视觉视频，而非 EEG 或 BCI。材料未建立显式三维高斯及视频运动先验与神经信号建模之间的具体对应关系，因此不据此提出 EEG 迁移方案；已有 EEG 相关工作尚未检索确认。