Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Model

计算机科学 人工智能 推论 计算 变压器 代表(政治) 编码(集合论) 深度学习 特征学习 计算机视觉 模式识别(心理学) 程序设计语言 算法 物理 法学 集合(抽象数据类型) 电压 政治 量子力学 政治学
作者
Lianghui Zhu,Bencheng Liao,Shouxin Zhang,Xinlong Wang,Wenyu Liu,Xinggang Wang
出处
期刊:Cornell University - arXiv 被引量:34
标识
DOI:10.48550/arxiv.2401.09417
摘要

Recently the state space models (SSMs) with efficient hardware-aware designs, i.e., the Mamba deep learning model, have shown great potential for long sequence modeling. Meanwhile building efficient and generic vision backbones purely upon SSMs is an appealing direction. However, representing visual data is challenging for SSMs due to the position-sensitivity of visual data and the requirement of global context for visual understanding. In this paper, we show that the reliance on self-attention for visual representation learning is not necessary and propose a new generic vision backbone with bidirectional Mamba blocks (Vim), which marks the image sequences with position embeddings and compresses the visual representation with bidirectional state space models. On ImageNet classification, COCO object detection, and ADE20k semantic segmentation tasks, Vim achieves higher performance compared to well-established vision transformers like DeiT, while also demonstrating significantly improved computation & memory efficiency. For example, Vim is 2.8$\times$ faster than DeiT and saves 86.8% GPU memory when performing batch inference to extract features on images with a resolution of 1248$\times$1248. The results demonstrate that Vim is capable of overcoming the computation & memory constraints on performing Transformer-style understanding for high-resolution images and it has great potential to be the next-generation backbone for vision foundation models. Code is available at https://github.com/hustvl/Vim.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SciGPT应助lumin采纳,获得10
1秒前
英姑应助开朗的笑阳采纳,获得10
1秒前
今后应助安可瓶子采纳,获得10
1秒前
2秒前
3秒前
白白发布了新的文献求助10
3秒前
sofaa发布了新的文献求助10
3秒前
传奇3应助Quandoushiwode采纳,获得10
4秒前
科研通AI2S应助小元采纳,获得10
4秒前
完美世界应助笑忘书采纳,获得10
5秒前
6秒前
6秒前
nene完成签到,获得积分10
7秒前
123123发布了新的文献求助10
7秒前
lin完成签到,获得积分10
7秒前
彳亍而行发布了新的文献求助10
7秒前
7秒前
谨慎忆安发布了新的文献求助10
8秒前
安详怀蕾发布了新的文献求助10
8秒前
8秒前
无聊又夏完成签到,获得积分10
9秒前
zhazhazha发布了新的文献求助10
9秒前
9秒前
10秒前
10秒前
悦耳蜡烛完成签到,获得积分10
10秒前
11秒前
11秒前
甜美的水杯完成签到 ,获得积分10
11秒前
kiki发布了新的文献求助10
11秒前
11秒前
Cloud应助鱼鱼鱼采纳,获得20
11秒前
12秒前
afsdfds完成签到,获得积分10
12秒前
浓浓的淡淡完成签到,获得积分10
13秒前
13秒前
13秒前
田様应助寒冷莫英采纳,获得10
13秒前
eddy发布了新的文献求助10
14秒前
xinyingking完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3145912
求助须知:如何正确求助?哪些是违规求助? 2797359
关于积分的说明 7823805
捐赠科研通 2453697
什么是DOI,文献DOI怎么找? 1305818
科研通“疑难数据库(出版商)”最低求助积分说明 627574
版权声明 601491