Vision Mamba
Vision Mamba je efikasan pristup zasnovan na modelu prostora stanja za razumevanje slika, predstavljen 2024. godine, koji prilagođava Mambu, model sekvenci sa linearnom složenošću, računarskom vidu. Preformulacijom avionskih tokena kao sekvenci i korišćenjem modela prostora stanja, Vision Mamba postiže konkurentnu tačnost sa transformatorima, zadržavajući linearnu računarsku složenost.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/sr/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 prostora stanja)Duboko učenje↔ compare
- Konvolucione neuronske mreže zasnovane na prostorno-vremenskim grafovimaDuboko učenje↔ compare
- Swin TransformerDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →