在12個視頻理解任務(wù)中，Mamba先打敗了Transformer

AIGC動態(tài)歡迎閱讀

原標題：在12個視頻理解任務(wù)中，Mamba先打敗了Transformer
關(guān)鍵字：視頻,模型,團隊,建模,性能
文章來源：機器之心
內(nèi)容字數(shù)：12228字

內(nèi)容摘要：

AIxiv專欄是機器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。探索視頻理解的新境界，Mamba 模型引領(lǐng)計算機視覺研究新潮流！傳統(tǒng)架構(gòu)的局限已被打破，狀態(tài)空間模型 Mamba 以其在長序列處理上的獨特優(yōu)勢，為視頻理解領(lǐng)域帶來了性的變革。
來自學(xué)、上海人工智能實驗室、復(fù)旦大學(xué)、浙江大學(xué)的研究團隊發(fā)布了一項開創(chuàng)性工作。他們?nèi)鎸徱暳?Mamba 在視頻建模中的多重角色，提出了針對 14 種模型 / 模塊的 Video Mamba Suite，在 12 項視頻理解任務(wù)中對其進行了深入評估。結(jié)果令人振奮：Mamba 在視頻專用和視頻 – 語言任務(wù)中均展現(xiàn)出強勁的潛力，實現(xiàn)了效率與性能的理想平衡。這不僅是技術(shù)上的飛躍，更是對未來視頻理解研究的有力推動。論文標題：Video Mamba Suite: State Spac

原文鏈接：在12個視頻理解任務(wù)中，Mamba先打敗了Transformer

聯(lián)系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺