V2M：用于图像表征学习的视觉二维 Mamba

基于摘要分析。本文研究视觉 Mamba 将二维图像展平为一维 token 序列后，原有二维结构信息难以充分保留的问题，提出直接在二维空间处理图像 token 的 Visual 2-Dimensional Mamba（V2M）。其核心贡献是将状态空间模型（SSM）推广至二维，使下一状态同时考虑两个维度上的相邻状态，而不仅通过调整一维扫描顺序补偿空间结构。 机制上，V2M 基于二维 SSM 构建，并结合 Mamba 实现面向硬件效率的并行处理。作者认为，这使模型能够引入二维局部性先验，同时保留 Mamba 的效率与输入依赖的可扩展性。摘要未提供状态更新公式、并行计算实现、训练目标及具体模型配置，尚不能据此判断其计算与存储开销。 作者报告，在 ImageNet 图像分类、COCO 目标检测与实例分割，以及 ADE20K 语义分割任务中，V2M 相较其他视觉骨干表现出有效性。摘要未给出具体指标、数据划分、对照模型或训练预算，因此无法量化收益或确认比较条件；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可检验的迁移假设是，将二维相邻状态更新用于 EEG 时频表示，以建模时间与频率方向的局部关系。原方法依赖二维规则网格，摘要仅支持其在视觉任务中的验证；可复用候选是二维 SSM 更新机制，输入编码和输出任务头则需改造。EEG 的低信噪比、跨被试差异及小数据条件可能削弱收益，电极通道也不能直接视作具有图像式邻接关系。小规模验证可在固定 EEG 时频表示、相同被试划分和训练预算下，比较二维 SSM 与展平后一维 Mamba，并分别报告被试内和跨被试结果。该假设不构成已验证的 BCI 效果，已有 EEG 相关工作尚未检索确认。