SSD-Poser：基于状态空间对偶的稀疏观测虚拟化身姿态估计

基于摘要分析。SSD-Poser 面向 AR/VR 中由头戴式显示器（HMD）提供的头部与双手关节信号重建全身姿态，主要困难是下半身缺乏直接观测，以及重建精度与实时推理速度之间的权衡。研究提出轻量模型，将状态空间对偶用于姿态编码，并通过频率感知解码缓解运动抖动；其主要研究对象是人体运动重建，而非 EEG 或 BCI。 技术上，模型采用混合编码器 State Space Attention Encoders，以适配复杂运动姿态；Frequency-Aware Decoder 则针对频率变化的运动信号改善输出平滑性。摘要未给出混合编码器的具体组成、状态更新方式、频率处理机制、损失函数或训练与推理细节，不能据此判断平滑性改善是否伴随动作细节损失或额外延迟。 作者报告，在 AMASS 数据集上的实验显示模型具有较好的姿态估计精度与计算效率，并称其推理效率优于现有先进方法。但摘要未提供具体指标、数值、数据划分、对照模型、硬件条件及延迟测量口径，相关比较尚不能独立核对；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：状态空间编码与频率感知处理可作为 EEG 时序建模的候选机制，但人体运动重建中的有效性不等于 BCI 有效性。迁移需改造输入通道表示、监督目标与输出模块，且平滑处理可能抹去 ERP 瞬态或任务相关频率信息，低信噪比、跨被试差异和小数据训练也可能削弱收益。已有 EEG 相关工作尚未检索确认；在取得实现细节前，不宜将其视为可直接复用的 EEG 方法。