Vision Mamba
Vision Mamba adalah pendekatan model ruang keadaan (state space model) yang efisien untuk pemahaman citra yang diperkenalkan pada tahun 2024, yang mengadaptasi Mamba, sebuah model sekuensial dengan kompleksitas linear, ke visi komputer. Dengan merumuskan ulang token citra sebagai sekuens dan menggunakan model ruang keadaan, Vision Mamba mencapai akurasi yang kompetitif dengan transformer sambil mempertahankan kompleksitas komputasi linear.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/id/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 (Model Ruang Keadaan)Pembelajaran Mendalam↔ compare
- Jaringan Konvolusional Graf Spasial-TemporalPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →