StarVQA+：用于视频质量评估的时空注意力联合训练

StarVQA+ 面向缺乏原始参考、拍摄失真未知的自然场景视频质量评估（VQA），通过时空注意力、向量化评分回归及图像与视频联合训练，改善 Transformer 对主观质量评分的建模。以下基于摘要分析，未取得论文全文。 核心机制包括三个部分：交替串接分离的空间注意力与时间注意力；将平均意见分数（MOS）编码为概率向量，并嵌入一个作为 MOS 可学习变量的特殊 token，构建向量化回归损失；同时利用图像和视频联合训练空间、时间注意力权重，以缓解 Transformer 对训练数据量的需求。作者认为该评分表示更贴近人类评分过程，但概率向量的具体编码、损失公式和联合训练调度尚未验证。 作者报告在 LIVE-Qualcomm、LIVE-VQC、KoNViD-1k、YouTube-UGC、LSVQ、LSVQ-1080p 和 DVL2021 上开展实验，并取得优于当时先进方法的结果。摘要未提供指标数值、数据划分及具体对照方法，因此无法量化优势或判断不同数据集结果是否可直接比较；实验协议、消融及统计信息尚未验证。复现还需核对视频采样、图像训练数据、MOS 处理方式及训练配置，代码可用性尚未验证。 平台推测（待验证）：若目标是 EEG 信号质量或伪迹严重程度评分，而非直接进行 BCI 意图解码，可探索其概率向量评分表示与时空分解注意力。原方法依赖视频空间结构、时间序列及主观评分监督；迁移时需要将视觉空间表示改为 EEG 通道或拓扑表示，并建立一致的质量评分标签。图像与视频联合训练不能直接等同于 EEG 跨被试或跨数据集训练，低信噪比、通道布局差异及小样本可能使注意力学习不稳定。一个可检验的小实验是在固定跨被试划分与相同编码器条件下，对比标量回归和 MOS 概率向量回归，检验后者是否改善 EEG 质量评分误差与排序一致性。相关 EEG 工作尚未检索确认。