MAMBA4D：基于解耦空间—时间状态空间模型的高效长序列点云视频理解

基于摘要分析。MAMBA4D 面向 4D 点云视频理解，针对点分布不规则、无序、跨帧不一致，以及 Transformer 长序列处理成本较高的问题，提出空间—时间解耦的状态空间模型（SSMs）骨干网络。其主要研究对象是动态三维点云，任务包括人体动作识别与 4D 语义分割，并非 EEG 或 BCI。 机制上，模型先解耦原始 4D 序列中的空间与时间，再通过 Intra-frame Spatial Mamba 和 Inter-frame Temporal Mamba 建立时空关联。前者在一定时间搜索步幅内编码局部相似或相关的几何结构，以捕获短期动态；后者接收局部关联 token，以线性复杂度整合整个视频的点特征，建模长程运动依赖。摘要未提供具体排序策略、状态更新形式、损失函数及训练设置。 作者报告，该方法在人类动作识别和 4D 语义分割任务上优于对照方法；其中，在 MSR-Action3D 的长视频序列设置下，相较基于 Transformer 的对照，GPU 显存占用减少 87.5%，速度达到 5.36 倍，并报告准确率提升最高为“+10.4%”。摘要未说明该准确率增幅是相对百分比还是百分点，也未给出序列长度、数据划分、具体基线和硬件条件，因此这些数值不能脱离原评估背景比较。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的假设是，将局部空间关联与全局时间建模分离，可能有助于降低长时 EEG 建模的资源开销；但点云几何邻域与 EEG 通道关系并不等价。时间 SSM 模块可作为候选复用部分，空间模块则需根据电极拓扑与信号关系改造。低信噪比、跨被试差异、通道配置变化及小数据训练都可能使局部关联失效或导致过拟合。一个可证伪的小实验是在固定跨被试划分、输入时长与训练预算下，对比改造后的解耦 SSM 和 Transformer，同时测量 Accuracy、显存与推理时间，并消融空间模块。已有 EEG 相关工作尚未检索确认。