Mamba Vision
Mamba Vision est une approche efficace de modèle d'espace d'états pour la compréhension d'images, introduite en 2024, qui adapte Mamba, un modèle de séquence à complexité linéaire, à la vision par ordinateur. En reformulant les jetons d'image comme des séquences et en utilisant des modèles d'espace d'états, Mamba Vision atteint une précision compétitive avec les transformeurs tout en maintenant une complexité computationnelle linéaire.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/fr/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 (Modèle à espace d'états)Apprentissage profond↔ compare
- Réseaux de convolution sur graphes spatio-temporelsApprentissage profond↔ compare
- Swin TransformerApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →