用于时空表征学习的运动引导掩码

基于摘要分析。本文研究视频自监督表征学习中的掩码策略：直接沿用图像 MAE 的随机掩码可能未充分利用视频的时空信息。作者提出 motion-guided masking（MGM，运动引导掩码），通过运动向量引导掩码位置随时间变化，并将其用于 video MAE。 核心机制是利用压缩视频格式中已有的运动对应信息，而非仅随机选择遮蔽位置。作者据此主张该策略具有计算效率与可扩展性。摘要未给出具体掩码生成规则、掩码比例、重建目标及网络配置，这些实现条件尚未验证。 作者报告，在 Kinetics-400 和 Something-Something V2 两个大规模视频基准上，配备 MGM 的 video MAE 相比此前最先进方法最高提升 +1.3%；摘要未明确具体指标及该最大增益对应的实验配置，因此不能直接改写为 Accuracy 提升若干百分点。作者还报告，达到此前 video MAE 相当表现所需的训练轮数最多减少 66%，但这不等同于总计算量或实际训练时间同比下降。在 UCF101、HMDB51 和 Diving48 的下游迁移学习与域适应评估中，作者报告相对基线最高提升 +4.9%；具体指标、划分、基线及各数据集结果尚未验证。实验协议、消融及统计信息也需查阅全文核对。 平台推测（待验证）：可迁移的假设是，具有可信时序对应关系的数据可能受益于非随机掩码，而不是视频运动向量本身可直接用于 EEG。EEG 缺乏压缩视频中的现成运动对应关系，需重新定义通道或时间片之间的关联，并改造掩码生成模块；低信噪比、跨被试差异、通道布局变化及小数据可能使关联估计不稳定。一个可证伪的小实验是在固定 EEG 编码器、掩码比例和训练预算下，对比随机掩码与仅由训练数据估计时序关联的引导掩码，并在预先固定的跨被试划分中评估收益。已有 EEG 相关工作尚未检索确认，原视频结果不构成 BCI 有效性的证据。