Visión Mamba
Visión Mamba es un enfoque eficiente de modelo de espacio de estados para la comprensión de imágenes introducido en 2024 que adapta Mamba, un modelo de secuencia de complejidad lineal, a la visión por computadora. Al reformular los tokens de imagen como secuencias y utilizar modelos de espacio de estados, Visión Mamba logra una precisión competitiva con los transformadores mientras mantiene una complejidad computacional lineal.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/es/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 (modelo de espacio de estados)Aprendizaje profundo↔ compare
- Redes neuronales convolucionales espacio-temporales de grafosAprendizaje profundo↔ compare
- Swin TransformerAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →