双向时序建模

当 Transformer 遇见 Mamba：一种用于视频目标检测的混合 Transformer-Mamba 网络

When Transformers Meet Mamba: A Hybrid Transformer-Mamba Network for Video Object Detection

将 Mamba 的线性复杂度长序列建模能力与 Transformer 的长程依赖建模能力结合，用于视频目标检测中的跨帧特征聚合；其空间自适应可变形 Transformer 编码器和时序级联双向 Mamba 编码器可作为通用模块迁移到其他需要长时序建模的视频任务中。