首个结合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效率，在Mamba架构最后几层引入自注意力模块提升长程空间依赖建模能力。

Vamba是一种混合Mamba-Transformer架构，通过交叉注意力层与Mamba-2模块实现高效的长视频理解。

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，并在Mamba架构中融入自注意力模块提升长程空间依赖建模。

MambaVision是首个结合Mamba和Transformer优势的计算机视觉混合模型，通过重新设计Mamba公式并集成ViT模块，显著提升了长距离空间依赖关系的建模能力。