VideoMamba：用于高效视频理解的状态空间模型

基于摘要分析。该研究针对视频理解中的局部冗余与全局依赖，将 Mamba 适配到视频领域，提出 VideoMamba，旨在兼顾短期动作辨别与高分辨率长视频的高效建模。其主要研究对象是视频理解，而非 EEG 或 BCI。 机制方面，摘要将长期建模效率归因于线性复杂度算子，并提出以自蒸馏支持视觉领域的模型扩展，减少对大规模数据集预训练的依赖。视频如何组织为序列、时空信息如何编码、自蒸馏的教师与学生设置及训练目标均尚未验证；线性复杂度也不能直接等同于特定硬件上的速度或显存优势。 作者报告，评估显示模型具备四方面能力：无需广泛数据集预训练的可扩展性、对细粒度运动差异的短期动作识别能力、相较传统特征式模型的长期视频理解优势，以及与其他模态兼容的能力。摘要未提供数据集、划分、对照配置、指标或数值，无法量化其优势，也不能确认这些结论的适用范围；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若该线性复杂度序列机制能够保留 EEG 中与任务相关的长期依赖，可能用于缓解长时间窗建模的计算开销。可考虑复用状态空间序列模块，但需改造视频输入编码与时空组织方式，以适配多通道 EEG；其监督需求、预训练规模及自蒸馏在小数据条件下的作用仍待核对。低信噪比、跨被试分布差异和通道配置变化可能削弱迁移效果。一个可检验的小实验是在固定 EEG 数据、被试内划分和训练预算下，对比该模块与 Transformer 随输入时间窗增长的分类 Accuracy、显存占用及推理耗时，再检验跨被试表现，避免把计算效率与识别效果混为一谈。已有 EEG 相关工作尚未检索确认。