无时间的时间：用于时空超分辨率的伪时序表征

基于摘要分析。本文研究视频时空超分辨率（STVSR）的预训练问题，提出利用静态图像构造伪时序视频的时空重建框架，使预训练直接对应空间恢复与跨帧聚合，而非另设独立预训练模块。 方法将单张图像复制为多个伪时序帧，并在各帧中独立地对随机像素区域置零，要求 STVSR 网络从退化输入重建干净、具有更高时空分辨率的输出。不同帧的缺损位置提供互补空间信息；摘要还提到使用调制因子增强对困难区域的关注，但其定义、损失形式及训练细节尚未验证。这种构造不包含真实运动，不能将伪时序重建能力直接等同于真实动态建模能力。 作者报告，该预训练策略改善了 STVSR 性能，优于所比较的视频表征学习方法，并在预训练与微调数据量有限时仍有效。摘要未提供数据集、数据划分、对照方法、评价指标或具体数值，实验协议、消融及统计信息尚未验证；需进一步核对静态图像预训练对不同运动条件的收益，以及调制因子的独立贡献。 平台推测（待验证）：可迁移的机制是利用互补掩码构造重建监督，而非视频超分辨率任务本身。若用于 EEG 缺失通道或时间片段恢复，需要将像素掩码改为符合通道与采样结构的掩码，并改造输入输出模块；复制静态样本不能提供真实神经时序变化，低信噪比、跨被试差异及小数据可能使模型偏向插值而非有效表征。一个可证伪的小实验是在相同被试划分、数据预算和骨干下，对比伪时序互补掩码预训练、普通掩码重建与无预训练，分别检验恢复误差及下游任务表现。相关 EEG 工作尚未检索确认，本文并未提供 BCI 有效性证据。