Vision Mamba
Vision Mamba — це ефективний підхід на основі моделей простору станів для розуміння зображень, представлений у 2024 році, який адаптує Mamba, модель послідовностей з лінійною складністю, до комп'ютерного зору. Реформулюючи токени зображень як послідовності та використовуючи моделі простору станів, Vision Mamba досягає конкурентоспроможної точності з трансформерами, зберігаючи лінійну обчислювальну складність.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Vision Mamba: Efficient State Space Models for Image Understanding. ScholarGate. https://scholargate.app/uk/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 основі простору станів)Глибоке навчання↔ compare
- Просторово-часові згорткові графові мережіГлибоке навчання↔ compare
- Swin TransformerГлибоке навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →