PatchBridge：解耦像素空间扩散 Transformer 中的 patch 角色

基于摘要分析。PatchBridge 研究直接对 RGB 图像去噪的像素空间扩散 Transformer，针对同一 patch 网格同时承担全局上下文建模、全深度去噪与后期局部细化所造成的“patch 角色耦合”，提出按角色配置不同 patch 尺寸和存续深度的三流架构，而非依赖潜空间扩散中的固定自编码器压缩接口。 核心机制是：紧凑的语义流通过稀疏更新维持全局上下文；结构流贯穿骨干网络，承载主要去噪状态；更细粒度的细节流仅在后期层激活，负责局部细化。该分配使模型保留全深度去噪路径，同时避免每层都处理最细网格。跨尺度协调由两个方向组成：父级到子级的空间调制向细粒度流提供对齐上下文，子级到父级的池化反馈将更新后的证据返回粗粒度流。输出端采用重叠的干净图像读出，将细节 token 的步幅与预测覆盖范围解耦，使相邻 token 能共同估计共享像素。 作者报告，在类别条件 ImageNet 生成中，256×256 与 512×512 分辨率的 FID 分别为 1.44 和 1.54；在文本生成图像任务中，GenEval 得分为 0.87，DPG-Bench 得分为 84.1。摘要未提供对应采样设置、评估样本量、对照基线或计算成本，不能据此判断相对优势及效率收益；训练损失、模型规模、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：角色分工与双向跨尺度协调可能启发 EEG 多尺度建模，但这只是机制层面的假设，并非已验证的 BCI 效果。原方法依赖图像 patch 的空间层级与像素扩散去噪任务；迁移时可考虑复用分阶段细化与跨尺度反馈，需改造 patch 构造、通道拓扑和读出目标。低信噪比、跨被试差异及小数据条件可能使细节流拟合噪声，池化也可能削弱短暂神经事件。一个可检验的小实验是在同一 EEG 数据划分和近似计算预算下，比较单一时间粒度与分阶段多粒度去噪模型的重建误差及下游解码表现。已有相关 EEG 工作尚未检索确认。