研究人员开发了STORM，一种新颖的空间感知令牌缩减框架，旨在解决Mamba等视觉状态空间模型在进行令牌压缩时出现的性能下降问题。现有的缩减方法在空间上是不敏感的，会破坏这些模型至关重要的二维结构。STORM将缩减重新构建为对空间单元的结构化操作，在无需额外训练的情况下保留了网格拓扑和邻域连贯性。这个即插即用的模块显著提高了准确性恢复能力，尤其是在VMamba上实现了高达63.3%的提升，在PlainMamba上仅下降1.0%，使其性能与ViT相当。 AI
影响 提高了视觉状态空间模型的效率和准确性，有望改善计算机视觉任务的性能。
排序理由 该集群包含一篇详细介绍改进现有模型的新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.19932v1 Announce Type: cross Abstract: Mamba demonstrates strong efficiency in modeling long visual sequences. However, when token reduction is applied to structurally enhanced Mamba variants, these models exhibit a severe performance collapse. We attribute this degrad…
Mamba demonstrates strong efficiency in modeling long visual sequences. However, when token reduction is applied to structurally enhanced Mamba variants, these models exhibit a severe performance collapse. We attribute this degradation to the spatially agnostic nature of existing…