MambaVision
PulseAugur coverage of MambaVision — every cluster mentioning MambaVision across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的MambaPop方法使用序列建模进行人口普查区人口估算
研究人员开发了MambaPop，一种利用卫星图像序列建模来估算人口普查区内人口的新方法。与先前将人口普查数据分解到均匀网格上的方法不同，MambaPop将每个行政单位视为单个多边形掩码的卫星图像，直接将普查区图像与人口标签相关联。该方法基于MambaVision骨干网络构建，是第一个直接从行政单位自身图像学习人口并应用基于状态空间的混合架构来完成此任务的方法。在对美国本土人口普查区进行的测试中，MambaPop的平均绝对误差为1,14…
-
现代骨干网络提升AI在乳腺摄影分类和病灶定位方面的能力
研究人员探索在多任务DETR框架中使用现代神经网络骨干网络，以增强乳腺摄影分类和病灶定位。研究发现，像ConvNeXtV2和DINOv3这样的先进骨干网络，其性能显著优于旧的残差神经网络架构。ConvNeXtV2在OPTIMAM数据集上表现出特别强的性能，而DINOv3在SGM1k队列上取得了最佳结果，这表明骨干网络质量在多任务乳腺摄影应用中的关键作用。
-
新基准测试比较用于太阳辐照度预报的视觉骨干
一篇新研究论文介绍了一个可控的基准测试，用于评估多模态短期太阳辐照度预报中的视觉骨干。该研究固定了整体预报流程，并分离出视觉骨干进行比较，测试了ConvNeXt、Swin Transformer和各种基于Mamba的架构等模型。在Folsom和NREL数据集上的结果表明，虽然所有评估的骨干都优于智能持久性方法，但VMamba Small和Swin Base等特定模型取得了具有竞争力的RMSE值，尽管在NREL分割上智能持久性方法仍然最强。
-
MambaRefine-CD：遥感变化检测新框架
研究人员推出 MambaRefine-CD，一个用于遥感影像变化检测的新型框架。该系统利用 MambaVision 编码器和 D-RBI 模块处理时序证据，将其分离到区域和边界精炼的独立流中。该框架通过 CRAM-lite 和自适应感受野 FPN 增强区域特征，而边界流则指导残差精炼过程。在 DSIFN-CD 和 WHU-CD 数据集上的实验表明，在 F1 和 IoU 分数方面性能有所提高，消融实验证实了带符号时序证据和完整的区域-边…
-
MambaRefine-CD 框架提升遥感变化检测能力
研究人员推出 MambaRefine-CD，一个用于遥感影像二元变化检测的新型框架。该系统利用共享的 MambaVision 编码器和 D-RBI 模块处理时序证据，将其分离为区域和边界流以增强分析。该框架旨在实现变化的完整区域定位和精确边界描绘，在 DSIFN-CD 和 WHU-CD 等基准数据集上表现强劲。
-
Hugging Face 对用于遥感分割的视觉状态空间模型进行基准测试
一项新的基准研究严格比较了视觉状态空间模型（SSM），如 VMamba 和 MambaVision，与传统的 Vision Transformer 在遥感分割任务上的表现。研究发现，虽然视觉 SSM 在准确性和效率之间取得了良好的平衡，但改进更有可能源于以鲁棒性为重点的设计和边界感知解码，而不是仅仅扩大编码器。这项工作为评估未来的 Mamba 型分割骨干网络建立了一个可复现的标准。