SpatialTracker：在三维空间中跟踪任意二维像素

基于摘要分析。该研究面向视频中的稠密、长程像素运动跟踪，提出 SpatialTracker：将二维像素提升至三维空间后估计轨迹，以缓解三维到二维投影带来的遮挡与运动不连续问题。其核心假设是，复杂的二维表观运动背后，三维运动往往更简单且具有低维结构。 方法首先借助单目深度估计器将二维像素提升至三维，以 triplane（三平面）表示高效编码每帧的三维内容，再通过 transformer 迭代更新三维轨迹。三维跟踪还允许引入 as-rigid-as-possible（ARAP，尽可能刚性）约束，并学习将像素聚为不同刚性部件的 rigidity embedding（刚性嵌入）。摘要未给出这些模块的具体损失形式、训练监督或交互方式，尚不能判断各模块的独立贡献。 作者报告，在其评估条件下，该方法在定性与定量跟踪表现上达到最先进水平，尤其适用于平面外旋转等困难情形；但摘要未提供数据集、指标、数值、划分或对照基线，相关结论仍需全文核对。实验协议、消融及统计信息尚未验证。复现时需进一步确认单目深度估计器、尺度处理、遮挡评估方式，以及深度误差和非刚性运动对轨迹估计的影响。材料提供了项目页，但代码、权重与运行条件尚未验证。 该工作的主要对象是具有图像坐标、深度与三维几何结构的视频像素，并非 EEG 或 BCI。摘要没有建立其几何约束与神经信号建模之间的具体对应关系，因此不据此生成 EEG 迁移方案；相关 EEG 工作尚未检索确认。