VCMamba: Bridging Convolutions with Multi-Directional Mamba for Efficient Visual Representation

卷积神经网络 计算机科学 人工智能 桥接(联网) 模式识别(心理学) 代表(政治) 机器视觉 计算复杂性理论 变压器 算法 时间复杂性 理论计算机科学 机器学习 特征(语言学) 卷积码 建筑 可视化
作者
Mustafa Munir,Alex Zhang,Radu Marculescu
标识
DOI:10.1109/iccvw69036.2025.00319
摘要

Recent advances in Vision Transformers (ViTs) and State Space Models (SSMs) have challenged the dominance of Convolutional Neural Networks (CNNs) in computer vision. ViTs excel at capturing global context, and SSMs like Mamba offer linear complexity for long sequences, yet they do not capture fine-grained local features as effectively as CNNs. Conversely, CNNs possess strong inductive biases for local features but lack the global reasoning capabilities of transformers and Mamba. To bridge this gap, we introduce VCMamba, a novel vision backbone that integrates the strengths of CNNs and multi-directional Mamba SSMs. VCMamba employs a convolutional stem and a hierarchical structure with convolutional blocks in its early stages to extract rich local features. These convolutional blocks are then processed by later stages incorporating multi-directional Mamba blocks designed to efficiently model long-range dependencies and global context. This hybrid design allows for superior feature representation while maintaining linear complexity with respect to image resolution. We demonstrate VCMamba's effectiveness through extensive experiments on ImageNet-1 K classification and ADE20K semantic segmentation. Our VCMamba-B achieves 82.6% top-1 accuracy on ImageNet-1 K, surpassing PlainMamba-L3 by 0.3% with 37% fewer parameters, and outperforming Vision GNN-B by 0.3% with 64% fewer parameters. Furthermore, VCMamba-B obtains 47.1 mloU on ADE20K, exceeding EfficientFormer-L7 by 2.0 mloU while utilizing 62% fewer parameters. Code is available at https://github.com/Wertyuui345/VCMamba.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
超级的续完成签到,获得积分10
刚刚
刚刚
希望天下0贩的0的应助被qkd1119采纳,获得10
1秒前
CipherSage的应助被诗酒采纳,获得10
1秒前
1秒前
Kelly发布了新的文献求助10
2秒前
斯多姆发布了新的文献求助30
2秒前
宠仙完成签到,获得积分10
2秒前
跳跃的谷秋完成签到,获得积分10
2秒前
Rryang完成签到,获得积分10
2秒前
2秒前
胡图图发布了新的文献求助10
3秒前
chaojia_niu发布了新的文献求助10
3秒前
xxxx完成签到 ,获得积分10
4秒前
罗氏集团发布了新的文献求助10
4秒前
大个的应助被蓝桉采纳,获得10
4秒前
4秒前
wuwa完成签到,获得积分10
5秒前
5秒前
lzs发布了新的文献求助10
5秒前
科目三的应助被跳跃的谷秋采纳,获得10
5秒前
5秒前
jiehe发布了新的文献求助10
6秒前
6秒前
TU完成签到,获得积分10
6秒前
NexusExplorer的应助被焓舒采纳,获得10
6秒前
热心的冬菱完成签到 ,获得积分10
7秒前
7秒前
8秒前
9秒前
111发布了新的文献求助20
9秒前
hyunjj_niel发布了新的文献求助20
9秒前
李健的小迷弟的应助被荷序采纳,获得10
10秒前
占曼荷发布了新的文献求助10
11秒前
落后凝莲发布了新的文献求助10
11秒前
12秒前
12秒前
罗舒发布了新的文献求助10
12秒前
一心完成签到,获得积分10
12秒前
英勇白莲完成签到,获得积分10
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Agyptische Geschichte der 21.30. Dynastie 510
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8192078
求助须知:如何正确求助?哪些是违规求助? 9578698
关于积分的说明 21861559
捐赠科研通 7791583
什么是DOI,文献DOI怎么找? 3436814
关于科研通互助平台的介绍 2560538
邀请新用户注册赠送积分活动 2483582