PVSSNet：用于多光谱全色锐化的渐进式特征交互视觉状态空间网络

基于摘要分析。本文研究遥感图像的多光谱全色锐化：融合多光谱图像（MSs）的光谱信息与全色图像（PAN）的结构细节，生成高分辨率多光谱图像（HRMS）。作者提出 PVSSNet，通过渐进式特征交互及视觉状态空间建模，缓解融合重建中的光谱与空间结构信息损失。 机制上，网络促进 MSs 与 PAN 的局部、全局特征交互，借助不同注意力模块注入光谱和空间细节，并通过分支间的信息交互与互补保留两类信息。视觉状态空间网络用于多尺度全局信息的深层重建；具体状态空间实现、交互顺序、注意力结构、损失函数及训练与推理配置尚未验证。 作者报告，该方法在视觉评价与客观指标评价中取得有竞争力的表现，并称全局信息重建有助于鲁棒性与泛化。摘要未提供数据集、划分、对照方法、指标名称或数值，因此无法判断优势幅度及泛化适用范围；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的机制假设是，用渐进式交互融合互补信息，并以状态空间模块建模较长范围依赖；原任务依赖具有空间对应关系的 MSs 与 PAN，具体监督方式及训练规模未知。若用于 EEG 多源或多尺度特征融合，可尝试复用交互与全局建模思路，但需将二维图像处理改为时间—通道表示，并重新设计对齐、注意力及任务输出。EEG 的低信噪比、通道差异、跨被试分布偏移及小样本规模可能使交互放大伪迹或导致过拟合，原领域效果不能视为 BCI 有效性证据。一个可检验的小实验是在固定跨被试划分与相同训练预算下，对比简单融合、渐进式交互及加入状态空间模块的版本，观察分类指标和通道扰动下的稳定性。相关 EEG 工作尚未检索确认。