本研究提出了Med-TTT模型，解决医学图像分割中卷积神经网络和Transformer的计算复杂度及特征丢失问题。通过视觉-测试时间训练层，该模型以线性复杂度建模长程依赖，自适应调整参数，提高复杂背景下的分割能力，实验结果优异。

本文介绍了一种退火流（AF）模型，用于解决高维多模态分布采样问题。AF通过连续标准化流有效探索高维空间，确保样本和维度的线性复杂度。研究显示，AF在复杂分布和实际数据集上表现优异，能更准确估计概率分布的归一化常数和期望值。

本研究提出了几种具有线性复杂度的新替代方案，用于解决自监督学习中的多头自注意力计算和内存消耗过大的问题。实验结果显示，这些替代方案在保持竞争性性能的同时，平均减少了20%至60%的内存消耗，并在处理输入序列时速度提升了7%至65%。

VideoMamba是一种新型改进的纯Mamba架构，用于视频识别。它利用了Mamba的线性复杂度和选择性SSM机制，实现高效处理。能够捕捉非连续空间和连续时间信息之间的复杂关系，展现出竞争力和卓越的效率。突显了VideoMamba作为视频理解工具的潜力，并为未来视频分析研究提供了简单有效的基准。

VideoMamba是一种新型的纯Mamba架构，专为视频识别设计。它利用线性复杂度和选择性SSM机制，实现更高效的处理。VideoMamba能够捕捉非连续空间和连续时间信息之间的复杂关系，展现出竞争力和卓越的效率。它是视频理解的强大工具，为未来视频分析研究提供了一个简单而有效的基准。

研究人员提出了局部关注Mamba（LaMamba）模型，结合自注意和Mamba的优势，以线性复杂度捕捉全局上下文和局部细节。LaMamba在ImageNet数据集上超越了DiT的性能，同时使用更少的计算资源和参数。

VideoMamba是一种新型改进的纯Mamba架构，专为视频识别设计。它利用了Mamba的线性复杂度和选择性SSM机制，实现了更高效的处理。VideoMamba能够捕捉非连续空间和连续时间信息之间的复杂关系，展现出竞争力和卓越的效率。这项工作突显了VideoMamba作为视频理解工具的潜力，为未来视频分析研究提供了一个简单而有效的基准。

近期自回归网络的线性复杂度提升极大地推动了研究进展，代表性模型为扩展长短期记忆网络 (xLSTM)，其在大型语言模型上表现出色。然而，Vision-LSTM 在图像语义分割方面的表现受限，一般较 Vision-Transformers 和 Vision-Mamba 模型差强人意。建议未来研究方向是增强 Vision-LSTM。