超越顺序扫描：以 Neighborhood State Interaction 重新思考视觉状态传播

基于摘要分析。本文研究视觉状态空间模型（VSSMs）中顺序扫描造成的空间邻近位置间接交互问题，提出 Neighborhood State Interaction（NSI），通过二维特征图上同步的邻域状态交互替代预定义扫描路径，并经多步传播逐渐扩展上下文。主要研究对象是图像恢复，而非 EEG 或 BCI。 机制上，NSI 在每次更新时允许相邻状态直接交互。为提高多步传播的效率与稳定性，方法生成输入条件化的交互核，并在传播步骤间共享；利用状态依赖的保留机制自适应控制累积信息，再通过增量读出组合不同传播阶段的表征。与顺序扫描相比，其关键变化在于状态传播的空间组织方式；交互核形式、更新方程、传播步数、训练损失与实现细节尚未验证。 作者报告，在图像恢复任务中，相对 SS2D，GoPro 去模糊的 PSNR 提升 0.50 dB，O-HAZE 与 Haze4K 去雾分别提升 1.15 dB 和 1.37 dB；去模糊与去雾模型的 MACs 分别降低 25.1% 和 30.2%。摘要未提供数据划分、绝对 PSNR、模型配置及计算量测量条件，实验协议、消融及统计信息尚未验证，不能据此判断各项改进的独立贡献。 平台推测（待验证）：若 EEG 通道可按电极位置构成有意义的邻域，直接邻域交互可能用于检验扫描顺序是否限制空间信息交换。原方法依赖二维特征图；迁移假设需要将交互核与状态更新改造为适配不规则电极布局、缺失通道及时间维度的模块，不能直接把图像邻域等同于脑功能连接。低信噪比可能使多步传播扩散噪声，跨被试布局与信号差异可能改变邻域关系，小数据也可能限制输入条件化核的学习。可先在固定 EEG 数据划分下，以相同时间编码器比较扫描式空间模块与电极邻域 NSI，并控制参数量及计算量，检验其在跨被试评估中是否稳定改善任务指标；已有 EEG 相关工作尚未检索确认。