Key points are not available for this paper at this time.
مؤخراً، أظهرت بنية Mamba، المعتمدة على نماذج فضاء الحالة، أداءً remarkable في سلسلة من مهام معالجة اللغة الطبيعية وتم تطبيقها بسرعة في مهام الكشف عن التغيير في الاستشعار عن بُعد (CD). ومع ذلك، تتعزز معظم الطرق من المجال الاستقبالي العالمي عن طريق تعديل وضع المسح بطريقة مباشرة، متجاهلةً الدور الحاسم الذي تلعبه المعلومات المحلية في مهام التنبؤ الكثيف (على سبيل المثال، CD). في هذا المقال، نقترح نموذجاً يسمى CDMamba، الذي يجمع بفعالية بين الميزات العالمية والمحلية للتعامل مع مهام CD. على وجه الخصوص، تم اقتراح كتلة ConvMamba ذات البقايا المقاسة (SRCM) للاستفادة من قدرة Mamba على استخراج الميزات العالمية والتلافيف لتعزيز التفاصيل المحلية، لتخفيف المشكلة التي تفتقر إليها الأساليب الحالية المعتمدة على Mamba من الأدلة التفصيلية وصعوبة تحقيق الكشف الدقيق في مهام التنبؤ الكثيف. علاوة على ذلك، واعتبارًا من الخصائص المطلوبة لتفاعل الميزات الزمنية الثنائية اللازمة لـ CD، تم اقتراح كتلة Fusion Guided Local Global Adaptive (AGLGF) لتسهيل التفاعل الثنائي الزمن بشكل ديناميكي بإرشاد من ميزات زمنية أخرى عالمية/محلية. إن حدسنا هو أنه يمكن الحصول على ميزات تغيير أكثر تمييزًا بإرشاد من ميزات زمنية أخرى. تُظهر التجارب الشاملة على ثلاثة مجموعات بيانات أن CDMamba المقترح لدينا يتفوق على الأساليب الرائجة الحالية. سيتم نشر رموزنا كمصدر مفتوح على https://github.com/zmoka-zht/CDMamba.
د studied Zhang et al. (Thu) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: