Vision Mamba
Vision Mamba — это эффективный подход на основе моделей пространства состояний для понимания изображений, представленный в 2024 году, который адаптирует Mamba, модель с линейной вычислительной сложностью для последовательностей, для компьютерного зрения. Переформулируя токены изображений как последовательности и используя модели пространства состояний, Vision Mamba достигает конкурентоспособной точности с трансформерами, сохраняя при этом линейную вычислительную сложность.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/ru/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 (модель на основе пространств состояний)Глубокое обучение↔ compare
- Пространственно-временные графовые свёрточные сетиГлубокое обучение↔ compare
- Swin TransformerГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →