DINOcular：自监督视觉空间表征

基于摘要分析。DINOcular 研究如何从 RGB-D 观测中自监督学习联合视觉空间表征，核心贡献是将深度信息导出的几何先验与视觉骨干融合，使表征同时编码外观与空间结构；研究对象是视觉与三维几何理解，并非 EEG 或 BCI。 方法动机是：现代视觉基础模型主要依赖 RGB 图像训练，而具身系统可通过显式深度传感获得单目输入难以恢复的几何信息。该框架采用 inter-patch 与 intra-patch 两个层面的融合，将几何先验引入视觉表征。摘要未说明具体融合算子、自监督目标、骨干结构、训练规模，以及推理时对深度输入的依赖，这些内容尚未验证。 作者报告，在多个三维几何基准上，该方法优于规模相近的既有方法；在标准 RGB-D 语义分割探测任务中仍具有竞争力。摘要未列出基准名称、指标、数值、数据划分及对照方法，因此目前只能确认其报告的定性结论，不能判断收益幅度或不同评估协议下的可比性。实验协议、消融及统计信息尚未验证。 复现时值得核对两类融合各自的贡献、几何能力提升是否依赖深度质量，以及语义迁移的探测与训练协议。该方法依赖图像 patch 与深度几何之间的结构对应，材料未提供其与 EEG 信号结构的明确对应机制，不据此推断 BCI 有效性；已有 EEG 相关工作尚未检索确认。