SEAL：面向长视频表征的语义注意力学习

基于摘要分析。该研究针对长视频理解中的计算复杂度与时间信息冗余，提出 SEmantic Attention Learning（SEAL），以少量语义实体替代大量帧或像素进行表征，并通过注意力学习兼顾内容相关性与多样性。 其核心机制包含两部分：首先，将长视频分解为场景、物体和动作三类语义实体，以减少后续模型处理的信息量；其次，将 token 选择表述为子集选择优化问题，在保留任务相关内容的同时减少重复信息。摘要未说明实体提取器、优化目标的具体形式、训练监督来源，以及实体提取成本是否计入整体计算开销，上述信息尚未验证。 作者报告，SEAL 在视频问答、时间定位任务以及涉及 LVBench、MovieChat-1K、Ego4D 的评估中显著优于现有最先进方法；摘要未给出各任务与基准的具体对应、指标数值、数据划分或对照配置，因此目前不能量化收益或比较不同协议下的表现。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的假设是，相关性与多样性联合约束的子集选择可能缓解长时 EEG 表征中的时间冗余，但视频中的场景、物体、动作实体并不直接对应 EEG 结构。若用于 EEG，需将输入改为时间窗或事件级 token，重新定义相关性监督与多样性度量；低信噪比、跨被试差异及通道变化可能使选择模块保留伪迹或丢弃短暂有效信号，小数据也可能使任务相关性估计不稳定。一个可证伪的小实验是在固定 EEG 编码器、相同 token 预算及相同被试划分下，对比均匀采样、仅相关性选择与相关性—多样性联合选择，同时记录任务指标和推理成本。已有 EEG 相关工作尚未检索确认。