Mamba-GIE：通过双层自适应特征融合实现基于视觉状态空间模型的广义图像外推方法

基于摘要分析，现有材料仅包含论文亮点摘录，未取得全文。该研究面向广义图像外推，提出 Mamba-GIE，将视觉状态空间模型与双层自适应特征融合结合，用于生成更精细的外推图像；其主要研究对象是图像，而非 EEG 或 BCI。 机制方面，标题与亮点表明方法包含两种自适应、动态的特征融合机制，但未说明各层级对应的特征、融合规则、状态空间建模方式、损失函数或训练与推理流程。作者声称这是首个基于视觉状态空间模型的广义图像外推方法，该优先性尚未独立核实。 结果方面，作者报告广泛实验验证了 Mamba-GIE 的性能与效率优势，但材料未提供数据集、数据划分、对照方法、评估指标、具体数值或计算开销，因此尚不能判断优势适用的实验条件与幅度。实验协议、消融及统计信息尚未验证，代码、权重与复现条件亦尚未验证。 现有材料没有给出图像外推机制与 EEG 信号建模之间的具体对应关系，暂不提出跨领域复现实验，也不将其视觉任务结果视为 BCI 有效性的证据；已有 EEG 相关工作尚未检索确认。