当未来成为过去：面向自监督视频表征学习的时序对应关系建模

基于摘要分析。本文研究自监督视频表征学习，针对 Masked Video Modeling（MVM）中随机时间采样带来的重建不确定性，以及像素空间恢复难以充分压缩下游任务信息的问题，提出利用时序对应关系的框架 T-CoRe。 机制上，T-CoRe 采用 sandwich sampling 策略，选取两个辅助帧，从时间两侧提供约束以降低重建不确定性；同时在自蒸馏架构中引入辅助分支，在潜在空间恢复表征，以学习包含时间信息的高层语义特征。相较于摘要所述的既有 MVM 路径，其重点是联合调整时间采样与恢复目标，而非仅恢复被掩码区域的像素。具体采样规则、教师与学生的更新方式、损失形式及分支间信息流尚未验证。 作者报告，T-CoRe 在多个下游视频任务中持续取得更优表现；摘要未提供任务名称、数据集、划分协议、对照方法或数值，因此不能判断提升幅度及适用范围。实验协议、消融及统计信息尚未验证。摘要提供了代码仓库，但实现与复现条件尚未核验。 平台推测（待验证）：其跨领域迁移假设是，以双侧时间上下文约束潜在表征恢复，可能有助于缓解 EEG 掩码建模中局部片段难以重建的问题。原方法依赖视频帧的时间结构且无需人工标注；迁移时可借鉴潜在空间自蒸馏目标，但需改造 EEG 时间片段划分、通道编码和辅助上下文采样。低信噪比、跨被试差异、通道配置变化及小数据条件可能使上下文约束学习到伪迹或个体特征，而非任务相关信息。一个可检验的小实验是在固定数据划分与训练预算下，对比随机采样和双侧上下文采样，并分别比较信号空间与潜在空间恢复的下游表现；双侧上下文不应直接视为满足在线因果推理要求。已有 EEG 相关工作尚未检索确认。