基于状态空间模型的全局感知单目语义场景补全

基于摘要分析。本文研究Monocular Semantic Scene Completion（MonoSSC），即从单张图像重建3D环境并推断其语义；提出混合架构GA-MonoSSC，在2D图像域和3D空间中共同建模全局上下文，以应对投影点分布不均及3D到2D投影造成的信息缺失。其主要研究对象是视觉场景补全，而非EEG或BCI。 机制上，Dual-Head Multi-Modality Encoder采用Transformer捕获2D特征之间的空间关系；Frustum Mamba Decoder基于State Space Model（SSM）建模3D空间的长程依赖。作者还提出视锥重排序策略，旨在减轻体素转换为序列后的特征不连续，使空间特征组织更适配SSM扫描机制。摘要未说明双头对应的具体模态、体素排序规则、损失函数及训练流程，相关细节尚未验证。 作者报告，在Occ-ScanNet和NYUv2上的实验达到最先进性能，但摘要未提供指标数值、数据划分、对照方法或计算开销，无法据此判断提升幅度及效率优势。实验协议、消融及统计信息尚未验证；尤其需要核对重排序相对于编码器与解码器改动的独立贡献。材料称代码将在论文被接收后发布，不能据此认定已接收或代码已公开。 平台推测（待验证）：可供EEG研究借鉴的是“序列排列应与数据邻接结构匹配”的机制假设，而非整套MonoSSC架构。原方法依赖图像、3D体素及视锥几何，其监督形式和训练规模尚未验证；EEG没有同等的投影结构，需将体素排序改造为基于电极邻接或时空关系的序列组织。低信噪比、跨被试差异、通道配置变化及小数据条件可能削弱这种排序的收益。一个可证伪的小实验是在固定EEG数据划分、SSM结构与训练预算下，对比电极邻接排序、固定通道顺序及随机排序，检验收益是否稳定依赖空间连续性。该假设不代表已证实的BCI效果，已有EEG相关工作尚未检索确认。