SpaceTimePilot：跨空间与时间的动态场景生成式渲染

基于摘要分析。SpaceTimePilot 研究从单目视频进行可控动态场景生成式渲染，核心贡献是在视频扩散模型中分别控制相机视角与运动序列，使同一场景能够沿空间和时间维度重新渲染。其主要研究对象是视觉场景生成，而非 EEG 信号建模或 BCI。 方法上，作者在扩散过程中引入动画时间嵌入，显式控制输出视频相对于源视频的运动序列。针对缺乏同一动态场景连续时间变化的配对视频这一训练数据问题，作者提出时间扭曲训练方案，利用已有多视角数据模拟时间差异，以学习时间控制。摘要将观察到的时空解耦效果归因于该训练策略，但嵌入形式、扭曲操作、损失函数与消融证据尚未验证。 为提高双重控制精度，作者进一步改进相机条件机制，使相机能够从首帧开始改变，并引入合成数据集 CamxTime，提供场景内自由的时空视频轨迹。作者将其称为首个空间与时间全覆盖的合成渲染数据集；这一优先性主张尚未独立核实。作者报告，时间扭曲方案与 CamxTime 联合训练可提高时间控制精度。 作者报告在真实世界和合成数据上观察到清晰的时空解耦，并取得优于既有方法的结果；摘要未提供具体指标、数值、数据划分或对照方法名称，因此不能判断优势幅度及适用范围。复现需核对相机参数与时间条件的表示、训练数据构造、CamxTime 的生成与划分，以及解耦和控制精度的评估协议；实验协议、消融及统计信息尚未验证，代码和数据开放情况亦尚未验证。现有材料不支持将视觉渲染结果视为 EEG／BCI 有效性证据，相关 EEG 工作尚未检索确认。