突破视觉极限：浙大、腾讯优图与华中科大联手推出轻量化MobileMamba模型

Top-1准确率高达83.6%

原标题：轻量化MobileMamba视觉模型来了｜浙大/腾讯优图/华中科大联合出品
文章来源：量子位
内容字数：5160字

MobileMamba：高效轻量化视觉模型的

在移动设备日益普及的今天，对高效、快速且准确的视觉处理需求不断增长。为此，浙大、腾讯优图和华中科技大学的团队提出了轻量化模型MobileMamba，旨在平衡效率与效果，尤其在高分辨率输入下实现出色的推理速度。

1. 研究背景与现有挑战

传统的轻量化模型主要基于CNN和Transformer结构。虽然CNN如MobileNet和GhostNet通过深度可分离卷积等技术降低了计算复杂度，但其局部感受野限制了长距离依赖的建模能力。而Transformer虽然具备全局建模能力，却因平方级别的计算复杂度在高分辨率输入下表现不佳。近来的Mamba模型因其线性计算复杂度而受到关注，但基于Mamba的模型如LocalMamba和EfficientVMamba在实际推理速度上并未达到预期。

2. MobileMamba的设计与创新

MobileMamba通过三阶段网络的粗粒度设计，显著提升了推理速度。同时，团队在细粒度上提出了高效多感受野特征交互（MRFFI）模块，结合小波变换增强的Mamba、深度可分离卷积和去冗余恒等映射，确保了全局与多尺度信息的融合，提高了高频细节特征的提取能力。

3. 实验结果与性能提升

大量实验结果表明，MobileMamba在ImageNet-1K数据集上的Top-1准确率最高可达83.6，速度是LocalVim的21倍、EfficientVMamba的3.3倍。同时，在下游任务如目标检测和语义分割中，MobileMamba同样展现了卓越的性能，在各项任务中均超过了传统模型。

4. 结论与未来展望

总体而言，MobileMamba通过其三阶段框架和MRFFI模块，在性能与效率之间达成了良好的平衡。该模型不仅在分类任务中表现出色，也对高分辨率输入的下游任务展现了强大的适应能力。未来，MobileMamba有望在更多视觉任务中拓展应用，推动轻量化模型研究的进一步发展。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破