MambaMixer：具有 token 与通道双重选择机制的高效选择性状态空间模型

基于摘要分析。本文研究选择性状态空间模型在视觉建模中如何同时选择和混合 token 与特征通道信息，提出 MambaMixer 及其高效变体 QSMixer，并构建 Vision MambaMixer（ViM2）与 Vision QSMixer（ViQS）作为概念验证；主要研究对象是图像任务，而非 EEG 或 BCI。 机制上，作者指出 Transformer 注意力的时间与空间开销随输入长度呈二次增长，而选择性状态空间模型虽适合长因果序列建模，仍存在过滤无关通道和捕获通道间依赖的困难。MambaMixer 使用数据依赖权重，通过 Selective Token and Channel Mixer 在 token 与通道两个维度实施选择。为缓解通道混合可能带来的参数开销，作者提出基于 quasi-separable kernels 的非因果 S6 启发式方案及硬件友好实现；QSMixer 则沿序列和嵌入维度混合信息。视觉架构另引入 Switch of Scans（SoS），动态采用一组图像扫描路径遍历图像块，以增强空间信息建模。 作者报告，在图像分类、分割和目标检测任务中，所提方法相对成熟视觉模型具有竞争力，相对 SSM 类模型表现更优，并据此强调同时选择性混合 token 与通道的重要性。摘要未给出数据集、划分、具体基线、指标数值及计算成本，无法量化性能或效率收益；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设时间 token 与特征通道的双重选择能用于 EEG 长序列建模，可考察其是否有助于过滤无关特征并建模跨通道依赖。但原文的嵌入通道不能直接等同于 EEG 电极，需要改造输入映射并明确电极空间关系；非因果模块适用于离线分析的可能性也不能直接外推至在线 BCI。低信噪比、跨被试差异、通道配置变化及小数据条件可能使选择权重不稳定。一个可检验的小实验是在固定 EEG 任务、相同 Cross-subject 划分和训练预算下，对比仅 token 混合与双重混合，并施加通道遮蔽，核对预先选定的任务指标与计算成本。已有 EEG 相关工作尚未检索确认。