SUM: 基于瞳蛇的视觉注意力建模中的显著性统一
原文中文，约500字，阅读约需2分钟。发表于：。通过将 Mamba 的高效远程依赖建模与 U-Net 相结合，我们提出了一种新颖的方法 SUM（Saliency Unification through Mamba），为不同类型的图像提供统一的模型，并通过全面的评估显示 SUM 能够适应不同的视觉特征并始终优于现有模型，从而使 SUM 成为推动视觉注意力建模的多功能且强大的工具。
该文章介绍了一种名为Vision Mamba-UNetV2的基于状态空间模型的医学图像分割方法。该方法利用Visual State Space（VSS）块捕捉上下文信息，并引入Semantics and Detail Infusion（SDI）增强特征融合。实验结果显示该方法在医学图像分割任务中具有竞争力。
