异质伪迹能否共存？RGSA：通过角色专门化的全局–选择性适应缓解统一伪造图像检测中的伪迹特征空间坍缩

基于摘要分析。本文研究统一伪造图像检测（FID）中，四个图像取证领域联合训练导致单领域判别能力退化、伪迹特征空间坍缩的问题，提出 Role-Specialized Global-Selective Adaptation（RGSA），按特征的共享范围组织适应容量。研究对象是图像伪造检测，不是 EEG 伪迹处理或 BCI。 机制上，作者通过量化联合优化中的异质冲突，分析伪迹异质性与特征空间坍缩之间的联系。作者报告，跨域更新存在混合且不对称的相互作用，不同伪迹适合不同的共享范围。RGSA 据此设置两条具有不同职责的适应路径：全局路径学习所有领域共享的表征，选择性路径建模部分共享及领域特有的伪迹。摘要未说明选择机制、容量分配方式、损失函数、骨干模型及训练监督细节。 作者报告，在 OpenMMSec 的四领域统一评估协议下，RGSA 缓解了跨域冲突与伪迹特征空间坍缩，并优于所比较的 23 种方法；摘要未提供具体指标、分数、数据划分及各对照配置，因此不能据此判断提升幅度或不同领域的收益分布。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 多任务或跨数据集联合训练也存在共享范围不一致引起的优化冲突，这种全局共享与选择性共享的容量划分可能具有参考价值。迁移需要明确域或任务结构，并改造适应模块以处理时序信号、通道差异及域选择；低信噪比、被试差异和小样本可能使选择机制学习到非任务相关特征。一个可检验的小实验是在固定 EEG 数据划分、骨干与适应参数预算下，对比完全共享适应和全局–选择性适应，检查跨域性能与更新冲突是否同步改善。该假设不代表已证实的 EEG 效果，已有 EEG 相关工作尚未检索确认。