线性复杂度不输Transformer
通过参数共享双向通路与分离输入投影，增强视频时序建模，使状态空间模型在12项视频理解任务上可媲美Transformer。
Guo, Chen · Huang, Yifei · Xu, Jilan · Baoqi, Pei · Jiahao, Wang · Zhe, Chen · Zhiqi, Li · 路通 · 王利民
International Journal of Computer Vision 2026
状态空间模型以线性复杂度处理序列，模型参数量与计算量不会随着视频长度增加而急剧膨胀，适合长视频和高帧率场景。
DBM 用参数共享的双向通路和分离输入投影，克服了现有双向扫描的局限，增强时序建模能力，带来一致的性能提升。
在时间定位、动作分割、视频字幕和多模态检索等 12 项任务上，Mamba 模型普遍达到或超过 Transformer 表现，证明其跨任务通用性。