首个结合曼巴(Mamba)与Transformer优势的混合计算机视觉模型，通过重构曼巴公式增强视觉特征建模能力

MambaVision是首个融合Mamba与Transformer优势的计算机视觉混合模型，通过重构Mamba公式增强视觉特征建模能力，并在Mamba架构最后几层加入自注意力模块提升长程空间依赖建模能力。

首个结合Mamba与Transformer优势的计算机视觉混合模型，通过重新设计Mamba公式增强视觉特征建模能力

首个结合曼巴(Mamba)与Transformer优势的计算机视觉混合模型，通过重构曼巴公式增强视觉特征建模效率，并在曼巴架构末端加入自注意力模块提升长程空间依赖建模能力。

Swin Transformer v2 是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像处理。