VideoSSM：采用混合状态空间记忆的自回归长视频生成

基于摘要分析。该研究针对自回归（AR）扩散在分钟级长视频生成中出现的误差累积、运动漂移和内容重复，将视频合成视为需要协调短期与长期上下文的递归动力学过程，提出结合 AR 扩散与混合状态空间记忆的 VideoSSM。 核心机制是由状态空间模型（SSM）维护随序列演化的场景动态全局记忆，同时以上下文窗口提供运动线索和细节的局部记忆。作者称，这种设计可在避免冻结、重复模式的同时维持全局一致性，支持随提示词变化的交互，并使时间复杂度随序列长度线性增长。摘要未说明状态更新方式、两类记忆的融合机制、扩散训练目标及推理调度，这些实现条件尚未验证。 作者报告，在短程和长程基准上，VideoSSM 的时间一致性与运动稳定性达到自回归视频生成器中的领先水平，尤其适用于分钟级生成，并支持内容多样性与交互式提示词控制。但材料未提供基准名称、具体指标、数值、数据划分或对照配置，无法据此量化优势；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：全局递归状态与局部窗口的分工，可能对应 EEG 长序列建模中长期背景变化与短时事件特征难以兼顾的问题，但原研究对象是视频生成，并未验证 EEG 或 BCI。可考虑复用记忆组织方式，需将视觉生成接口改造为 EEG 时序编码与任务输出，并核对训练规模、监督方式及状态更新需求。低信噪比可能使全局状态累积伪迹，跨被试及通道差异也可能破坏记忆稳定性，小数据下则可能过拟合。一个可检验的小实验是：在固定 EEG 数据划分、参数预算与训练流程下，对比仅局部窗口、仅 SSM 和混合记忆，观察长序列任务表现及伪迹扰动下的稳定性。已有 EEG 相关工作尚未检索确认。