PILOT：面向时序对应的自监督视觉表征预训练

基于摘要分析。该研究面向视频视觉表征中的跨帧时序对应学习：在不依赖外部光流、点轨迹或对应关系标注的条件下，提出 PILOT（Privileged Information Learning via Optimal Transport），通过显式构造跨帧目标开展自监督预训练。 核心机制是不对称蒸馏。特权教师结合信息特权与算法特权，利用 Sinkhorn-Knopp 最优传输生成受全局约束的跨帧图像块分配预测，作为受限学生的学习目标。作者报告，这些目标可减少分配不均衡和多对一匹配冲突；学生从掩码输入出发，以逐行 Softmax 预测目标，促使编码器内化跨帧对应关系。预训练后仅保留标准编码器。摘要未说明信息特权的具体内容、损失形式及掩码策略。 作者报告，在三个稠密对应基准上，PILOT 在自监督预训练编码器中取得整体最先进表现，并能迁移至动作识别与视频检索。摘要未提供基准名称、数据划分、具体指标、数值及对照配置，因此尚不能判断提升幅度与适用边界；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其潜在可复用机制是“全局约束教师生成对应目标、轻量学生学习预测”，而非直接迁移视觉任务结论。假设 EEG 的不同时间窗或增强视图之间存在可辨识的局部对应关系，可考虑复用最优传输目标构造与蒸馏流程，但须改造信号分块、匹配代价及时间对齐约束。EEG 的低信噪比、跨被试差异、通道布局变化和小数据条件可能使全局分配产生错误对应，尤其需警惕将非一一对应的脑活动强制匹配。可在固定数据划分和编码器下，以已知时间位移构造配对 EEG 片段，对照最优传输目标与逐行 Softmax 目标，检验对应恢复能力及下游收益。已有 EEG 相关工作尚未检索确认。