基于 3D Fourier Fields 的连续时空视频超分辨率

基于摘要分析。本文研究连续时空视频超分辨率，将低分辨率视频编码为连续、时空一致的 3D Video Fourier Field（VFF），以联合建模空间细节与时间动态，替代空间和时间分离表示及显式帧变形运动补偿。 核心机制是由具有较大时空感受野的神经编码器，根据输入低分辨率视频预测类 Fourier 正弦基的系数，再在任意空间位置和时间位置采样。作者提出，该表示支持低成本、灵活的连续查询，并可在采样过程中纳入解析 Gaussian 点扩散函数，以支持任意尺度的抗混叠重建。具体基函数参数化、编码器结构、训练损失及点扩散函数的使用条件尚未验证。 作者报告，在多个视频超分辨率基准及多种放大倍率下，联合建模改善了空间与时间超分辨率，相比既有基线获得更清晰、时间一致性更好的重建，同时计算效率更高，并声称达到新的最佳水平。摘要未提供基准名称、数据划分、指标数值、基线配置及计算成本口径，因此这些结论目前仅能作为作者报告记录；实验协议、消融及统计信息尚未验证。 原研究对象是视频，而非神经信号。平台推测（待验证）：若神经记录具有明确空间坐标和时间采样结构，连续场与采样核联合建模或可为时空重采样提供方法参考，但视频中的稠密空间结构不能直接等同于稀疏 EEG 通道布局。该方向对 EEG/BCI 的适用性及已有相关工作尚未检索确认，不将其计为已验证的迁移贡献。