Tag · 2 篇
线性复杂度建模
分布 图像分割1底层视觉与图像复原1
01 02
RS-SSM：在状态空间模型中细化被遗忘的细节以用于视频语义分割
RS-SSM: Refining Forgotten Specifics in State Space Model for Video Semantic Segmentation
把 Mamba 类状态空间模型中固定尺寸状态导致的「遗忘」显式建模为可逆的遗忘门矩阵，并用通道级幅度感知做对齐，这一「反演遗忘门补全细节」的思路可直接迁移到视频分割、视频目标跟踪等需要长时序像素级一致性的任务。
MambaSIC：基于 Mamba 与双向多参考熵模型的立体图像压缩
MambaSIC: Mamba-based Stereo Image Compression with Bi-directional Multi-reference Entropy Model
用 Mamba 状态空间块替代交叉注意力来建模立体视图间的冗余，并用棋盘格分区的双向多参考熵模型替代空间自回归，为视觉压缩类任务提供了「线性复杂度 + 并行熵编码」的可复用范式，可直接迁移到视频压缩、光场压缩等多视图场景。