【深度学习】CVPR 2025｜MambaOut：在视觉任务中，我们真的需要 Mamba 吗？

文章预览

作者丨科技猛兽 编辑丨极市平台 导读   在 ImageNet 图像分类中有效地超过了视觉 Mamba 模型   本文目录 1 MambaOut：在视觉任务中，我们真的需要 Mamba 吗？ (来自 NUS，MetaFormer 原作者) 1 MambaOut 论文解读 1.1 在视觉任务中，我们真的需要 Mamba 吗？ 1.2 本文有哪些新的发现？ 1.3 概念讨论 1.4 视觉任务有长序列吗？ 1.5 视觉任务需要 Causal 的 token mixing 模式吗？ 1.6 关于 Mamba 在视觉的必要性的假设 1.7 Gated CNN 和 MambaOut 1.8 ImageNet 实验结果 1.9 COCO 目标检测和实例分割实验结果 1.10 ADE20K 语义分割实验结果 太长不看版 Mamba，一种使用类似 RNN 的状态空间模型 (State Space Model, SSM) 作为 token mixer 的架构，能够解决 Self-attention 的二次计算复杂度，并随后引入视觉任务中。但是，与基于卷积或者 Attention 的模型相比，Mamba 在视觉方面的性能往往不足。 在本文中，作者深入 ………………………………