Studio sulla discretizzazione di Vision Mamba confronta sei schemi

Uno studio recente ha esaminato sei diversi metodi per discretizzare il modello a spazio di stato (SSM) Vision Mamba. Ha scoperto che l'interpolazione polinomiale e le tecniche di mantenimento di ordine superiore migliorano significativamente l'accuratezza in compiti come la classificazione delle immagini, la segmentazione semantica e il rilevamento degli oggetti, sebbene richiedano tempi di addestramento più lunghi. Anche la trasformata bilineare/Tustin mostra miglioramenti costanti. La ricerca ha confrontato il mantenimento di ordine zero, il mantenimento di primo ordine, la trasformata bilineare/Tustin, l'interpolazione polinomiale, il mantenimento di ordine superiore e il metodo Runge-Kutta del quarto ordine rispetto a benchmark visivi standard. È interessante notare che il metodo predefinito di mantenimento di ordine zero è stato osservato danneggiare l'accuratezza temporale in situazioni visive dinamiche.