通过聚合与传播时空信息实现视频理解的状态空间提示学习

基于摘要分析。本文研究预训练状态空间模型在视频理解中的参数高效适配：针对视觉提示 token 在顺序压缩过程中难以充分捕获时空上下文的问题，提出 State Space Prompting（SSP），结合帧内与帧间提示，聚合并传播具有判别性的时空信息。 核心机制：原研究对象是视频，而非 EEG 或 BCI。摘要指出，预训练状态空间模型以线性复杂度顺序压缩视频视觉 token，但这一过程可能限制帧内空间信息与帧间时间信息的有效传播。SSP 使用 Intra-Frame Gathering（IFG）聚合每帧中的关键空间信息，并使用 Inter-Frame Spreading（IFS）在不同帧之间传播判别性时空信息，通过自适应平衡与压缩形成互补。摘要未说明具体提示参数化方式、模块运算、损失函数、预训练骨干及冻结策略，尚不能据此重建实现。 结果与证据边界：作者报告，在四个视频基准数据集上，SSP 相比现有 SOTA 方法平均提升 2.76%，同时减少微调参数开销。摘要未提供数据集名称、任务划分、指标名称、对照方法及参数量；该数值应保留原文百分比表述，不能擅自解释为 Accuracy 提升或百分点差异。实验协议、消融及统计信息尚未验证，发表或接收状态也不能由来源推断。 平台推测（待验证）：其机制可形成一个 EEG 迁移假设，即将通道与时间窗组织为时空 token，用类似 IFG 的模块汇聚窗内通道信息，再用类似 IFS 的模块传播跨窗判别信息，以缓解顺序压缩中的信息损失。可借鉴的是提示聚合与传播思路；需要改造的是视觉空间结构、通道位置编码及时间窗定义。该假设依赖适合 EEG 的预训练状态空间骨干与明确的下游监督，不能直接套用视频权重。低信噪比、跨被试差异、通道布局变化及小数据训练可能使传播模块放大噪声或过拟合。一个可检验的小实验是在固定 EEG 骨干、相同数据划分与匹配微调参数预算下，对比普通提示、仅窗内聚合及窗内聚合加跨窗传播，并分别报告被试内与跨被试结果。相关 EEG 工作尚未检索确认。