Tag · 2 篇
混合架构
分布 视觉语言模型1图像分割1
01 02
TimeViper：一种用于高效长视频理解的混合 Mamba-Transformer 视觉语言模型
TimeViper: A Hybrid Mamba-Transformer Vision-Language Model for Efficient Long Video Understanding
TimeViper 的混合 Mamba-Transformer 骨干与 TransV 词元压缩模块，为视觉语言模型处理长视频提供了一种降低推理成本且保持多模态理解能力的可复用架构思路。
MixerCSeg：一种基于解耦 Mamba 注意力的高效裂缝分割混合器架构
MixerCSeg: An Efficient Mixer Architecture for Crack Segmentation via Decoupled Mamba Attention
TransMixer 把 Mamba 的潜变量注意力拆成局部纹理、全局依赖与序列上下文三条并行通路，配合方向引导边缘门控卷积，为细长/不规则结构（裂缝、血管、道路）的像素级分割提供了一个低算力（2.05 GFLOPs）可复用的编码器设计范式。