STAR-VP：通过空间对齐与时变融合改进 360° 视频的长期视口预测

基于摘要分析。该研究面向分块式 360° 视频自适应流媒体的长期视口预测，提出 STAR-VP，通过空间对齐与时变融合联合利用历史视点轨迹（HT）和视频内容信息（VC），为提前下载未来视口所需的视频块提供预测依据；研究对象并非 EEG 或 BCI。 其核心问题有两层：HT 与 VC 属于不同模态，难以直接在空间上对齐；两类信息对预测的相对重要性又随预测时间步变化。为此，作者提出显著性表示 salxyz 和 Spatial Attention Module，处理两类信息的空间对齐；随后采用基于 Transformer 与门控机制的两阶段融合，建模其随时间变化的重要性。摘要未提供 salxyz 的具体构造、融合公式、损失函数及训练设置，不能据此判断实现细节。 作者报告，在三个公开数据集的评估中，STAR-VP 对长期（2–5 秒）视口预测取得了作者所称的最先进准确度，且未牺牲短期（小于 1 秒）预测性能；作者还以注意力分数可视化展示空间对齐和时变融合行为。数据集名称、划分方式、评价指标、具体数值、基线配置、消融及统计信息尚未验证，可视化本身也不足以单独确证各模块的贡献。 平台推测（待验证）：其可借鉴之处是“先建立模态对应关系，再按预测时刻调整融合权重”，而非直接将视口预测结果视为 BCI 证据。若用于 EEG 与视觉刺激联合建模，需要配对且同步的数据，并重新定义电极或源空间与视觉内容之间的对应关系，不能直接沿用 salxyz。低信噪比、跨被试差异及小数据可能使注意力和门控拟合不稳定。一个可检验的小实验是在固定编码器与被试划分下，对比固定权重融合、仅时变融合及加入空间对应约束的融合；相关 EEG 工作尚未检索确认。