ScholarGate
Асистент

Порівняння методів

Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.

Vision Mamba×Трансформер для комп'ютерного зору×
ГалузьГлибоке навчанняГлибоке навчання
РодинаMachine learningMachine learning
Рік появи20242021
Автор методуLi ZhuDosovitskiy, A. et al.
ТипNeural network architectureTransformer architecture for images (self-attention over patches)
Основоположне джерелоZhu, 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 ↗Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR. link ↗
Інші назвиViM, Mamba for VisionGörsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
Пов'язані45
ПідсумокVision 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.The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).
ScholarGateНабір даних
  1. v1
  2. 1 Джерела
  3. PUBLISHED
  1. v1
  2. 2 Джерела
  3. PUBLISHED

Перейти до пошуку Завантажити слайди

ScholarGateПорівняння методів: Vision Mamba · Vision Transformer. Отримано 2026-06-18 з https://scholargate.app/uk/compare