万级长序列高效建模
该模型针对光场语义分割任务设计，通过空间-角度选择性扫描机制和SSM-注意力交叉融合增强模块，在保持线性复杂度的同时有效捕获多空间-角度模态信息，解决了现有方法在长程依赖和计算资源上的瓶颈。
Wenbin, Yan · 陈华 · Qingwei, Wu · 张小刚 · 方遒 · Shengjie, Hu · 王耀南
IEEE Transactions on Circuits and Systems for Video Technology 2025
通过选择性状态空间模型（Mamba）在光场数据上使用空间-角度选择性扫描，将 4D 数据解耦为 2D 切片，分别捕获空间上下文和角度结构信息，从而有效建模长程依赖。
基于线性复杂度的状态空间模型，避免 Transformer 的二次方内存和计算开销，使模型能在资源受限平台上部署。
通过 SSM-attention 交叉融合增强模块对多空间-角度模态信息进行优先扫描和融合，自适应地增强中心视图特征，提升分割精度。