StateVid：将视频表示为演化的视觉状态

基于摘要分析。StateVid 研究视频表示：不再将各帧独立产生的空间特征序列作为主要表示，而是把视频视为持续演化的视觉过程，以不断更新的视觉状态承载历史信息与新内容。 机制上，StateVid 在每个空间位置使用学习得到的保留门与写入门，以因果方式更新状态；状态大小保持固定，并通过按时间排序的状态快照向下游模型呈现其演化过程。训练使用短视频—文本对，通过历史保留与新内容适应的监督学习状态转移。摘要未提供门控公式、监督目标的具体构造或快照采样策略，不能据此认定具体网络结构与损失形式。 作者报告，StateVid 在视频任务上相较于更大训练规模的模型表现较强，同时保留图像处理能力；用于 VideoLLM 时具有更好的 token 效率和任务表现，并呈现稳定的外推表现及对视频内容的选择性注意。摘要未列出任务、数据集、训练规模、对照模型、量化指标及外推设置，实验协议、消融及统计信息尚未验证，不能据此判断性能优势的范围或来源。 平台推测（待验证）：其固定大小、因果更新的状态机制可能与在线 EEG 长时序处理中历史信息保留和表示开销控制的瓶颈对应，但原方法依赖视频空间结构和视频—文本监督，原领域表现不等于 BCI 有效。可复用的是保留／写入式状态更新思路；输入编码、通道空间对应和监督目标需改造。低信噪比可能使状态积累伪迹，跨被试及通道变化可能破坏状态语义，小数据也可能不足以学习可靠门控。一个可证伪的小实验是在固定 EEG 任务与相同被试内划分下，以同一编码器比较门控状态与固定窗口聚合，在匹配训练预算时检验任务指标、状态开销及伪迹扰动后的恢复表现。已有 EEG 相关工作尚未检索确认。