视觉惯性融合

VIMCAN：基于混合 Mamba-交叉注意力网络的视觉-惯性三维人体姿态估计

VIMCAN: Visual-Inertial 3D Human Pose Estimation with Hybrid Mamba-Cross-Attention Network

用 Mamba 的选择性状态空间建模替代 Transformer 做时序建模、用交叉注意力补空间依赖，为视觉-惯性等多模态序列融合提供了一条线性复杂度、可实时（>60 FPS）的骨干设计思路，可直接迁移到其他需要长序列多模态融合的视觉任务。