Vision Mamba
Vision Mamba er en effektiv state space model-tilgang til billedforståelse, introduceret i 2024, som adapterer Mamba, en sekvensmodel med lineær kompleksitet, til computer vision. Ved at omformulere billedtokens som sekvenser og anvende state space models opnår Vision Mamba konkurrencedygtig nøjagtighed med transformers, samtidig med at den lineære beregningsmæssige kompleksitet bevares.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Zhu, L., Liao, B., Zhang, Q., Wang, X., Liu, W., & Wang, X. (2024). Vision Mamba: Efficient state space models for image understanding. In International Conference on Machine Learning. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/da/deep-learning/vision-mamba
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mamba (State Space Model)Dyb læring↔ compare
- Rumlig-tidslige graf-konvolutionelle netværkDyb læring↔ compare
- Swin TransformerDyb læring↔ compare
- Vision TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →