Mesh Mamba：用于无纹理与有纹理网格显著性预测的统一状态空间模型

基于摘要分析。该研究面向 3D 网格的视觉显著性预测，考察几何结构与纹理如何共同影响视觉注意，并提出统一状态空间模型 Mesh Mamba，同时建立覆盖有纹理与无纹理视觉条件的网格显著性数据集。 方法将纹理特征纳入网格拓扑框架，通过子图嵌入和双向 SSM 对局部几何、纹理信息进行全局上下文建模，旨在兼顾拓扑结构、视觉细节与结构复杂性。摘要强调的是几何与外观信息的统一建模，而非 EEG 解码或 BCI 任务；子图构造、序列组织、特征融合、监督标签与损失函数的具体实现尚未验证。 作者称该数据集首次系统记录两种纹理条件下的显著性分布差异，并报告模型在不同网格类型上改善预测表现，具有可扩展性和通用性，且进行了不同视觉特征的交叉验证。摘要未提供数据规模、划分方式、评价指标、对照基线或具体分数，因此无法量化优势；这里的交叉验证不能直接理解为 EEG 的跨被试或跨数据集评估。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 通道能够构成具有明确空间邻接关系的图，子图嵌入与全局上下文建模或可用于研究局部通道关系和长程依赖，但这是迁移假设。可考察复用拓扑嵌入与双向 SSM，并将几何、纹理输入改为 EEG 时序特征；网格拓扑与电极空间关系并不等价，低信噪比、通道缺失、跨被试差异和小样本均可能使迁移失败。一个可证伪的小实验是在同一 EEG 数据划分与训练预算下，比较保留电极邻接和打乱邻接的模型，检验拓扑模块是否带来稳定收益。相关 EEG 工作尚未检索确认。