表面视觉曼巴：利用双向状态空间模型实现高效的球面流形表示

本研究解决了传统几何深度学习模型在处理大规模数据集时面临的高推理时间和内存需求的问题。我们提出了一种无注意力机制的视觉曼巴架构，通过将球面数据表示为三角形补丁序列，提高了处理效率。实验结果表明，该方法在新生儿脑部皮层表面指标上的回归任务中，推理速度提高了4.8倍，内存消耗减少了91.7%，显示出其识别细微认知发展模式的潜力。