VideoMamba：用于高效视频理解的状态空间模型 | ECCV 2024

作者：通用视频组

我们提出了一个仅基于状态空间模型(SSM)的高效视频理解架构VideoMamba，并通过大量的实验证明了它具备一系列良好的特性，包括 (1) Visual Domain Scalability; (2) Short-term Action Sensitivity; (3) Long-term Video Superiority; (4) Modality Compatibility。这使得VideoMamba在一系列视频benchmark上取得不俗的结果，尤其是长视频benchmark，为未来更全面的视频理解提供了更高效的方案。

论文题目： 

VideoMamba: State Space Model for Efficient Video Understanding 

论文链接：

https://arxiv.org/abs/2403.06977

开源代码：

https://github.com/OpenGVLab/VideoMamba

Huggingface：