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，针对直接展平并扫描图像时同一变化区域的特征在序列中被其他区域特征隔开的问题，提出 CD-Lamba，以增强局部变化感知并保留全局感知能力。其主要研究对象是遥感图像，而非 EEG 或 BCI。 核心机制包括：Locally Adaptive State-Space Scan（LASS）策略，用于增强局部性；Cross-Temporal State-Space Scan（CTSS）策略，用于双时相特征融合；Window Shifting and Perception（WSP）机制，用于促进分割窗口之间的交互。三者整合为多尺度 Cross-Temporal Locally Adaptive State-Space Scan（CT-LASS）模块，以突出变化并细化变化表征。摘要未提供扫描顺序的具体构造、状态更新方式、损失函数或训练配置，这些细节尚未验证。 作者报告，CD-Lamba 在四个基准数据集上达到 SOTA，并取得满意的效率—精度权衡；但摘要未列出数据集名称、划分协议、对照方法、具体指标及计算成本，尚不能据此量化优势或比较不同评估设置。实验协议、消融及统计信息尚未验证。作者提供了公开代码地址，复现仍需核对实现、配置及其与论文实验的对应关系。 平台推测（待验证）：若 EEG 的通道—时间特征序列化同样破坏局部邻接关系，局部自适应扫描和跨窗口交互可能具有参考价值。该假设依赖有意义的通道拓扑或局部时间结构；图像窗口与双时相融合不能直接等同于 EEG 时间窗与跨会话建模。可复用候选是局部扫描和窗口交互机制，需改造通道组织及时间融合方式。低信噪比、被试间差异、通道配置变化和小数据训练可能削弱收益。一个可检验的小实验是在固定 EEG 数据划分、训练预算和近似模型规模下，对比普通扫描与局部自适应扫描，观察任务指标及计算开销是否改善。已有 EEG 相关工作尚未检索确认。