.png){kind=icon}
返回
IGMamba: Implementing Implicit Global Representation via Lightweight State Space Models
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2026.106386.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出 IGMamba，通过频域状态传播实现隐式全局建模，无需冗余的显式多方向扫描。 • 引入隐式全局 Mamba 块（IGM-Block），利用傅里叶变换压缩特征并在频域中重建全局依赖关系。 • 设计频域感知离散小波下采样（FA-DWD），以有效保留高频细节并抑制混叠伪影。 • 在包括 ImageNet、COCO 和 ADE20K 在内的多个视觉基准上取得最先进结果，平衡了效率与准确性。
期刊
D
IF:
3
论文数:
785
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息