Splatter a Video：用于多种处理任务的视频高斯表示

基于摘要分析。本文研究面向跟踪、深度预测、分割、视图合成及编辑等任务的视频表示问题，提出 video Gaussian representation，将视频嵌入显式 3D Gaussians，以联合表达外观与运动。 核心机制是在三维规范空间中以显式 Gaussians 作为视频外观的代理，并为每个 Gaussian 关联三维运动。针对该表示学习问题的欠定性，方法从基础模型中蒸馏光流、深度等二维先验，用于正则化学习。相较于 layered atlas 或体积像素矩阵，作者强调该表示对三维结构与运动的表达更直接，也更便于操纵；摘要未提供具体损失、运动参数化或优化流程。 作者报告，该表示可用于跟踪、时序一致的视频深度与特征细化、运动和外观编辑，以及立体视频生成。但摘要未列出数据集、数据划分、对照基线、量化指标或计算开销，因而尚不能核实各任务的性能增益及适用范围；实验协议、消融及统计信息尚未验证。 本文的主要对象是具有三维场景结构和光流、深度先验的视频，而非 EEG 或 BCI。现有材料未建立这些几何机制与神经信号处理之间的具体对应关系，因此不据此提出 EEG 迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。复现前需进一步核对先验提取方式、表示初始化、优化配置，以及复杂运动和遮挡条件下的表现。