QUASAR：用于递归视频预测的保结构密度状态动力学

QUASAR 针对递归视频预测中“解码帧准确，但潜在状态可能违反表示约束”的问题，以密度矩阵表示局部潜在状态，并构建保持状态合法性的递归更新。基于摘要分析，研究对象是视频世界模型，而非 EEG 或 BCI。 机制上，潜在状态须满足对称、半正定、迹为一。运动条件化的正交输运保持各状态的谱，学习得到的 Kraus 通道则重新分配谱质量，并通过薄 QR 分解满足完备性条件。作者据此构造完全正且保迹（CPTP）的更新，使状态合法性由结构保证，而非依赖事后修正。 作者报告，在 Human3.6M 的四帧预测比较中，无约束转移可匹配 QUASAR 的 MSE，但其最小特征值达到 −1.36×10⁻³，CPTP 对应值为 −8.79×10⁻⁹，体现帧级误差与状态合法性并非同一评价维度。在匹配转移对照的 16 帧递归实验中，CPTP 在两个评估队列上均取得最低平均 MSE、最高平均 SSIM，并在三个测试时间速率下均取得最低平均 MSE；具体队列与速率尚未验证。 作者报告，QUASAR 在 Human3.6M 上相对最强复现基线将 MSE 降低 17.95%；在 TaxiBJ 与 KITTI/Caltech 上取得最高 SSIM，但并非最低 MSE。将密度动力学模块加入 PredFormer 后，作者报告 MSE 降低 14.69%、参数增加约 1.5%，但各指标收益不一致；摘要未明确该结果对应的数据集与协议。密度熵与遮挡代理量呈中等关联，与预测误差仅弱相关，不能据此将其视为可靠误差估计。数据划分、基线配置、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移机制是对矩阵状态施加可保持的结构约束。若以迹归一化 EEG 协方差作为状态，可探索其对递归状态漂移的作用，但需改造输入编码与条件变量；归一化可能丢失功率信息，低信噪比、少样本及跨被试通道差异也可能削弱收益。可先在固定通道的被试内预测中，比较容量匹配的 CPTP 与无约束转移，同时检验矩阵合法性和预测误差。该假设不等于已有 BCI 有效性证据，相关 EEG 工作尚未检索确认。