论文解读 | Mamba系列 | UltraLight VM-UNet: 并行视觉Mamba显著减少皮肤病变分割参数

目录

概览

Abstract

Background

Method

Experiment

Conclusion

Assignment

历史文章

概览

论文标题：
UltraLight VM-UNet: Parallel Vision Mamba Significantly Reduces Parameters for Skin Lesion Segmentation
论文链接：
arxiv.org/pdf/2403.20035
代码链接：
https://github.com/wurenkai/UltraLight-VM-UNet

---

Abstract

本文提出了一种创新的超轻量级医学图像分割网络UltraLight VM-UNet，该网络通过将最新的状态空间模型（SSM）技术——Mamba，与经典的UNet架构相结合，实现了皮肤病变分割任务中参数数量和计算负载的显著减少。UltraLight VM-UNet的参数仅为0.049M，GFLOPs为0.060，相比传统模型在性能上保持竞争力甚至更优。作者还深入分析了Mamba模型中参数影响的关键因素，并基于这些发现提出了一种称为PVM层的并行视觉Mamba层，用于在保持通道总数不变的情况下实现最低的计算负载和卓越的性能。

本文贡献：

1. 创新模型架构：提出了UltraLight VM-UNet，该模型将Mamba技术引入UNet架构，实现了参数和计算负载的极大降低，同时保持分割性能。

2. PVM层设计：提出了一种新的并行视觉Mamba层（PVM层），通过并行处理特征并减少每个VSS块的通道数，显著降低了模型参数和计算量。

3. 参数影响分析：深入分析了Mamba模型中参数数量激增的关键因素，为