视频理解与时序 / CVPR2026
MS-Temba:用于理解长未剪辑视频的多尺度时序 Mamba
MS-Temba: Multi-Scale Temporal Mamba for Understanding Long Untrimmed Videos
把 Mamba 状态空间模型用空洞(dilated)SSM 扩展到多尺度时序建模,为长视频密集重叠动作的边界定位提供了可复用的骨干设计;做长时序视频理解或需要长程依赖+细粒度细节兼顾的任务时,可借鉴其多尺度 SSM 分块与轻量融合器结构。
时序动作检测状态空间模型多尺度建模