เปรียบเทียบวิธี

	Mamba (แบบจำลองปริภูมิสถานะ)	วิชันแมมบ้า
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2023	2024
ผู้ริเริ่ม	Albert Gu	Li Zhu
ประเภท	Neural network architecture	Neural network architecture
แหล่งต้นตำรับ	Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956.	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.
ชื่อเรียกอื่น	Mamba, State space models, Selective state space	ViM, Mamba for Vision
ที่เกี่ยวข้อง	4	4
สรุป	Mamba is a sequence model architecture introduced by Gu and Dao in 2023 that achieves linear-time complexity while maintaining strong performance on language modeling tasks. By combining state space models with input-dependent selectivity, Mamba addresses the quadratic complexity of transformers while preserving modeling power.	Vision Mamba is an efficient state space model approach for image understanding introduced in 2024 that adapts Mamba, a linear-complexity sequence model, to computer vision. By reformulating image tokens as sequences and using state space models, Vision Mamba achieves competitive accuracy with transformers while maintaining linear computational complexity.