ECCV 2024 | VideoMamba：用于高效视频理解的状态空间模型

文章预览

前言   本 文提出了一个仅基于状态空间模型(SSM)的高效视频理解架构VideoMamba，并通过大量的实验证明了它具备一系列良好的特性，包括 (1) Visual Domain Scalability; (2) Short-term Action Sensitivity; (3) Long-term Video Superiority; (4) Modality Compatibility。这使得VideoMamba在一系列视频benchmark上取得不俗的结果，尤其是长视频benchmark，为未来更全面的视频理解提供了更高效的方案。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来 源：书生OpenGVLab 仅用于学术分享，若侵权请联系删除 论文题目：  VideoMamba: State Space Model for Efficient Video Understanding  论文链接： https://arxiv.org/abs/2403.06977 开源代码： https://github.com/OpenGVLab/VideoMamba Huggingface： https://huggingface.co/OpenGVLab/VideoMamba Online Demo： ………………………………