TORUS：利用异质数据与状态空间模型扩展开放词汇跟踪

基于摘要分析。本文研究开放词汇多目标跟踪（OVMOT）的训练数据瓶颈：大词汇量检测图像丰富，但带标注的跟踪视频稀缺且时间标注稀疏。TORUS 联合利用检测图像、词汇集合不相交的视频和合成伪视频训练在线跟踪器，以结合图像的类别覆盖与视频的真实时序信息，而非仅依赖图像模拟运动或人工标注视频。 核心机制是冻结开放词汇检测器，添加选择性状态空间模型 Mamba 记忆以跨帧传播轨迹。类别无关置信度头将轨迹生命周期管理与分类解耦，避免预测类别变化直接导致轨迹终止；spatial-semantic federated loss 则对目标存在性监督施加掩码，避免标注不完整时把未标注对象作为背景惩罚。摘要未提供记忆状态更新、掩码构造及损失公式，具体实现尚未验证。 作者报告，在不使用任何 TAO 标注、采用 ResNet-50 骨干的条件下，TORUS 在 TAO OVMOT 上取得 Base TETA 42.5、Novel TETA 42.1，相比其所称的现有最佳方法分别提高 2.9 和 6.8 个点；对照方法及完整评估协议尚未验证。作者还报告，同一组未调优权重零样本泛化至 DanceTrack、YouTube-VIS 2021 和 VisDrone-MOT，分别达到 HOTA 57.7、mAP 42.9 和 TETA 42.3。这些属于不同任务与指标，不能直接横向比较。摘要报告完全在线运行速度为 14.7 FPS，但末句截断，硬件与完整提示词配置尚未验证。 复现需核对各训练数据来源与混合方式、合成伪视频生成流程、开放词汇检测器及冻结范围，并检查两项设计与 Mamba 记忆各自的消融贡献。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的假设主要是不完整标签下的监督掩码，以及类别预测与状态持续性解耦，而非视觉跟踪效果本身。它们依赖可识别的对象轨迹与标注覆盖信息；对应 EEG 时，需重新定义时序状态、有效标签掩码和通道输入，不能直接复用检测头。低信噪比、跨被试分布变化与小数据可能造成错误状态持续积累。可在具有明确部分标签的 EEG 时序任务中，固定编码器和数据划分，对比掩码监督与将未标注片段视为负例的训练方式，并单独检验状态记忆贡献。已有 EEG 相关工作尚未检索确认。