MambaVision

MambaVision 是一个融合 Mamba 状态空间模型与 Transformer 的视觉主干网络，旨在提升图像理解任务的精度与推理效率。其核心采用分层架构，结合自注意力机制与新型对称混合器块（Mixer Block），在保持全局建模能力的同时优化计算吞吐量；支持 ImageNet-21K 预训练，并已适配图像分类、语义分割、实例分割和目标检测等下游任务。项目提供 PyTorch 官方实现、Hugging Face 模型集成及 Colab 快速体验，适用于需要高精度与高吞吐平衡的通用视觉基础模型研究与工业部署场景。