MAG-SSM：面向 4D 点云视频理解的运动自适应几何状态空间建模

基于摘要分析。该研究针对 4D 点云视频中不规则且随时间变化的几何结构，提出 MAG-SSM，将运动驱动的几何自适应贯穿局部表示、序列组织与几何恢复，以支持局部建模和长程信息传播。主要研究对象是动态点云，而非 EEG 或 BCI。 作者认为，固定局部聚合与预定义序列组织限制了既有方法对动态结构的适应能力。MAG-SSM 包含三个协调模块：Motion-Adaptive Spatio-Temporal Sampling（MSTS）通过有界锚点重定位调整跨帧局部表示；Motion-Adaptive Semantic Routing Scanning（MSR-Scanning）从运动自适应表示构建优先级感知序列；Offset-Guided Local Geometric Fusion（OGLF）利用对齐的偏移先验恢复局部几何关系。其方法重点不是只改进局部特征提取，而是协调状态空间传播流程中的多处几何适应。具体状态更新、路由规则、损失及训练设置尚未验证。 作者报告，在 MSR-Action3D、Synthia 4D 和 HOI4D 上，动作识别、4D 语义分割及动作分割获得一致改进，并具有较好的计算效率。摘要未提供任务与数据集的完整对应、划分协议、对照基线、指标数值或效率测量条件，不能据此量化优势；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可供 EEG 方法研究借鉴的假设是，序列扫描顺序与局部空间关系恢复应协同设计，但点云中的运动与几何偏移并不直接对应 EEG 的电极位置或神经活动。若探索迁移，应重新定义通道—时间 token、路由依据与电极几何先验，而非直接照搬锚点重定位；低信噪比、小数据及跨被试通道差异可能使自适应路由不稳定。一个可检验的小实验是在相同 EEG 编码器和固定跨被试划分下，比较固定扫描与信号驱动扫描，并单独检验电极几何恢复模块的增益。该假设不构成已证实的 BCI 效果，相关 EEG 工作尚未检索确认。