Vision Mamba
Vision Mamba ialah pendekatan model ruang keadaan yang cekap untuk pemahaman imej yang diperkenalkan pada tahun 2024 yang mengadaptasi Mamba, model jujukan kerumitan linear, kepada visi komputer. Dengan merumuskan semula token imej sebagai jujukan dan menggunakan model ruang keadaan, Vision Mamba mencapai ketepatan yang kompetitif dengan transformer sambil mengekalkan kerumitan pengiraan linear.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/ms/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 Ruang-MasaPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →