稀疏相关

基于状态空间建模与稀疏相关的可扩展特征匹配

Scalable Feature Matching via State Space Modeling and Sparse Correlation

用 Conv-Mamba 混合骨干网络以线性复杂度替代 Transformer 的长程建模，并用免训练范数过滤把全相关矩阵稀疏化，可直接迁移到任何需要高分辨率稠密/半稠密匹配的视觉流程（如光流、立体匹配、SLAM 前端）以降低显存与延迟。