CD-Lamba：通过跨时相局部自适应状态空间模型增强遥感变化检测

基于摘要分析。本文研究双时相遥感图像的变化检测，提出 CD-Lamba，以局部自适应状态空间扫描强化变化区域的局部表征，同时保留全局感知能力；研究对象是遥感图像，而非 EEG 或 BCI。 作者指出，现有基于 Mamba 的遥感变化检测方法直接展平并扫描图像时，同一变化区域的特征可能在序列中被其他区域的特征隔开，影响局部结构感知。CD-Lamba 引入局部自适应状态空间扫描（LASS）、用于双时相特征融合的跨时相状态空间扫描，以及增强分割窗口之间交互的窗口移位与感知机制，并将其整合为多尺度跨时相 LASS 模块。其方法重点在于扫描组织、时相融合和局部—全局交互；具体扫描规则、模块结构、损失函数及训练方式尚未验证。 作者报告，CD-Lamba 在四个基准数据集上取得最先进性能，并具有较好的效率—精度权衡。摘要未给出数据集名称、划分协议、对照方法、具体指标或计算开销，因此尚不能核对优势大小及适用条件；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 任务需要同时保留局部时序或通道邻域信息与长程依赖，可检验局部自适应扫描是否优于直接序列化。该假设依赖有意义的邻域定义及可比较的成对输入；遥感双时相变化检测并不等同于 EEG 的跨会话建模。扫描与窗口交互机制可能可复用，但图像空间窗口、双时相融合和任务输出需改造。EEG 的低信噪比、被试差异、通道布局差异及小数据规模可能使局部扫描优势失效。一个可证伪的小实验是在固定 EEG 数据划分、预处理和训练预算下，对比基础 Mamba 与加入 LASS 的版本，并检验通道排序改变是否影响收益。已有 EEG 相关工作尚未检索确认。