SkyMamba：融合 Transformer 与状态空间模型的无人机遥感 RGB-D 图像语义分割

基于摘要分析。本文主要研究无人机遥感 RGB-D 图像的语义分割，针对地物纹理相似及高分辨率图像全局上下文建模困难，提出 SkyMamba，结合视觉纹理、深度几何信息与状态空间模型的长序列建模能力，并引入配套数据集 comprehensive urban-scale depth。 机制与贡献：标题明确提出融合 Transformer 与状态空间模型；摘要强调利用深度信息辅助区分外观相近的地物，并利用状态空间模型捕获大尺度空间中的全局上下文。Transformer 与状态空间模型的具体连接方式、RGB 与深度的融合位置、扫描或序列化策略、损失函数及训练配置尚未验证。作者称这是首个面向无人机遥感 RGB-D 图像语义分割的框架，该优先性主张未获独立核实。 数据与结果：作者介绍的数据集按粗粒度和细粒度语义标注分为两个版本。作者报告，SkyMamba 在这两个版本上取得 SOTA 表现，尤其适用于语义类别分布不均衡的场景；摘要未提供具体指标、数值、划分方式或对照方法，因此无法量化优势或判断不同设置的可比性。数据规模、深度获取方式、实验协议、消融及统计信息尚未验证。摘要提供了代码仓库地址，但代码内容与复现条件尚未核验。 平台推测（待验证）：可迁移的机制假设是将局部特征与长程上下文建模结合，用于 EEG 长时间序列分析；原任务依赖空间对齐的 RGB-D 输入和像素级语义标注，这不等同于 EEG 的多通道时间序列及试次级监督。可考虑复用长序列建模模块，但需改造输入编码、通道关系与任务输出，不能直接照搬深度融合。低信噪比、跨被试差异、通道布局变化及小数据规模可能削弱收益。一个可证伪的小实验是在固定 Cross-subject 划分与训练预算下，对比局部时序编码基线及加入状态空间模块的版本，同时核对任务指标与计算开销。已有相关 EEG 工作尚未检索确认，该实验建议不代表已证实的 BCI 效果。