Mamba Wizyjny
Mamba Wizyjny to wydajne podejście oparte na modelach przestrzeni stanów do rozumienia obrazów, wprowadzone w 2024 roku, które adaptuje Mambę, model sekwencyjny o liniowej złożoności obliczeniowej, do widzenia komputerowego. Poprzez przeformułowanie tokenów obrazu jako sekwencji i zastosowanie modeli przestrzeni stanów, Mamba Wizyjny osiąga konkurencyjną dokładność w porównaniu do transformerów, zachowując jednocześnie liniową złożoność obliczeniową.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/pl/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 przestrzeni stanów)Uczenie głębokie↔ compare
- Przestrzenno-czasowe sieci konwolucyjne na grafachUczenie głębokie↔ compare
- Swin TransformerUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →