위치에 민감한 시각 자료
시각 정보는 공간 위치와 전체 문맥을 함께 고려해야 한다. Vision Mamba는 상태 공간 연산만으로 일반 시각 백본을 만드는 가능성을 조사했다.
양방향으로 표현 학습하기
이미지를 시퀀스로 나타내고 위치 임베딩으로 위치 정보를 표시한다. 양방향 상태 공간 블록을 사용해 시각 표현을 압축하고 넓은 문맥을 다룬다.
고해상도 입력의 효율
연구는 ImageNet 분류와 COCO 검출 및 ADE20K 의미 분할에서 평가했다. 고해상도 이미지의 특징 추출에서도 계산과 메모리 사용을 비교해 해상도 확대의 비용을 조사했다.
관련 문서
VMamba / MambaVision / EfficientViM / FasterViT / MaxViT / DaViT