Mamba4D：基于解耦空间—时间状态空间模型的高效 4D 点云视频理解

基于摘要分析。Mamba4D 研究的是 4D 点云视频理解，针对点分布不规则、无序以及跨帧不一致的问题，提出完全基于状态空间模型（SSMs）的骨干网络，通过解耦空间与时间建模，处理局部几何结构和长时序动态，并降低长视频计算开销。 机制上，统一的空间—时间 Mamba 块包含 Intra-frame Spatial Mamba 与 Inter-frame Temporal Mamba：前者在一定时间步幅内编码局部相似的几何结构，再将局部相关 token 交给后者，以线性复杂度整合整个视频中的长期点特征。其设计意图是避免摘要所述 Transformer 类 4D 骨干的二次复杂度瓶颈；具体点排序、邻域构建、时序对应、损失与训练流程尚未验证。 作者报告，在 MSR-Action3D 动作识别、HOI4D 动作分割和 Synthia4D 语义分割上获得竞争性表现，分别给出“+10.4% accuracy”“+0.7 F1 Score”和“+0.19 mIoU”。摘要未明确这些增益对应的基线、划分及指标尺度，因此不将百分比改写为百分点，也不跨任务比较。作者另报告 GPU 显存减少 87.5%、速度提升 5.36 倍，尤其强调长视频场景，但对应序列长度、硬件、批量大小及比较对象尚未验证。摘要提供了代码发布地址；实现与论文的一致性、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 任务具有可利用的电极空间关系和长时序结构，空间局部编码与时间 SSM 分工可能用于缓解长窗口建模开销；这是假设，而非本文验证的结果。可复用的是解耦建模思路，需改造点云几何邻域与 token 构建，使其适配电极布局和信号片段。点云局部几何相似性并不等同于 EEG 通道相关性，低信噪比、跨被试差异、通道缺失及小数据可能使该假设失效。可在固定 EEG 数据划分、训练预算和窗口长度下，对比空间—时间解耦 SSM 与仅时间 SSM，分别核对任务指标、显存和延迟。相关 EEG 工作尚未检索确认。