超越欧氏空间：用于弱监督视频暴力检测的双空间表征学习

基于摘要分析。该研究针对弱监督 Video Violence Detection（VVD）中正常事件与暴力事件视觉相似、难以区分的问题，提出 Dual-Space Representation Learning（DSRL），联合欧氏空间与双曲空间学习事件表征。其主要研究对象是视频事件检测，而非 EEG 或 BCI。 机制上，欧氏空间用于捕获事件的视觉特征，双曲空间用于刻画事件间的层次与复杂关系。DSRL 通过受双曲 Dirichlet 能量约束的、对层级敏感的双曲关联度选择聚合节点，逐步学习事件上下文；随后以 cross-space attention 促进两个空间的信息交互，形成用于暴力检测的判别特征。创新重点在于双曲上下文聚合与跨空间交互，而不只是将特征映射至另一种几何空间。摘要未说明弱监督标签粒度、损失形式或具体训练与推理流程。 作者报告，综合实验支持 DSRL 的有效性，但所给材料没有列出数据集、划分、对照基线、指标或数值，因而尚不能判断其收益大小、对模糊事件的专项效果及计算开销。实验协议、消融及统计信息尚未验证；复现还需核对节点定义、关联度与能量约束的实现、双曲空间参数化及代码可用性。 平台推测（待验证）：若 EEG 任务中存在可稳定估计的事件层次或片段关联，该双空间机制可能为易混淆状态的表征提供一种假设路径。可考虑复用双曲聚合与跨空间注意力，但须将视觉特征替换为 EEG 编码，并重新定义节点、关系及弱监督标签。低信噪比、跨被试差异、通道变化与小样本可能使关联估计不稳定，原领域有效不等于 BCI 有效。一个可证伪的小实验是：在固定 EEG 编码器、相同划分及训练预算下，对比纯欧氏表征与双空间模块，并分别移除双曲聚合和跨空间注意力，检查易混淆类别的区分是否稳定改善。已有 EEG 相关工作尚未检索确认。