跳到正文

算法、任务与模态

Efficient AI 最新动态

Efficient AI 研究索引；按可核对的标签归档，不以热度评价质量。

191 条精选近 30 天 118 条共收录 219 条

更新

精选归档 · 第 10 页

1月1日周一第 181–191 条
  1. OpenReview · State space models79

    VMamba：视觉状态空间模型

    基于摘要分析。本文研究如何构建计算高效的视觉网络，将状态空间语言模型 Mamba 适配为具有线性时间复杂度的视觉骨干 VMamba，核心贡献是用 2D Selective Scan（SS2D）处理二维视觉数据与一维选择性扫描之间的结构差异。 技术机制：VMamba 由 Visual State-Space（VSS）块堆叠构成，SS2D 沿四条扫描路径遍历二维数据，以收集不同来源和视角的上下文信息。作者据此构建一系列 VMamba 架构，并通过架构与实现层面的改进加速。摘要未给出具体扫描方向、状态更新公式、损失、训练配置及各加速措施，尚不能核对其计算开销与性能收益的来源。 结果与复现：作者报告，VMamba 在多种视觉感知任务上表现良好，相较现有基准模型具有更优的输入规模扩展效率。摘要未列出任务、数据集、指标、数值或对照配置，因此不能据此判断优势幅度，也不能将线性时间复杂度直接等同于实际运行速度。实验协议、消融及统计信息尚未验证。材料提供了源码仓库，但实现与论文版本的对应关系及完整复现条件仍需核对。 平台推测（待验证）：迁移假设是将 EEG 的时间与通道，或时频表示，组织为二维输入，借用多路径选择性扫描建模上下文。原方法依赖二维结构，预训练数据规模与监督设置在摘要中未说明；EEG 的通道排列并不天然等同于图像邻接关系，因此可考察 SS2D 与 VSS 模块，但需改造输入编码、通道拓扑和任务输出。低信噪比、跨被试差异、缺失通道及小数据可能使扫描路径引入不稳定依赖或过拟合。一个可证伪的小实验是在固定 EEG 任务、训练预算与数据划分下，对比二维多路径扫描、仅时间扫描及常规基线，并扰动通道顺序，检验收益是否依赖人为排列；这不是论文已验证的结果，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其以四条扫描路径将一维选择性扫描适配到二维视觉数据的机制，以及输入规模扩展效率的评估；该机制对 EEG 的适用性尚未验证。

  2. OpenReview · State space models70

    用于图像去模糊的高效视觉状态空间模型

    基于摘要分析。本文针对图像去模糊中长程依赖建模与高分辨率计算成本之间的矛盾，提出高效视觉状态空间模型 EVSSM，以状态空间模型（SSMs）提取非局部信息，并通过视觉扫描模块降低多固定方向扫描带来的计算开销。 核心机制是：在各个基于 SSM 的模块之前施加不同几何变换，以捕获有用的非局部信息。摘要将其与采用多个固定方向扫描的既有方法对照，强调扫描方式的效率改进；具体变换类型、扫描顺序、网络结构、损失函数及训练配置尚未验证。作者以 Transformer 模型计算复杂度随图像分辨率呈二次增长作为研究动机，但摘要没有给出 EVSSM 的复杂度公式或实测资源消耗。 作者报告，EVSSM 在图像去模糊基准数据集和真实拍摄图像上，相较现有先进方法表现良好。摘要未列出数据集名称、划分、对照方法或定量指标，因此尚不能判断性能增益、效率收益及二者的权衡；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若将 EEG 表示为通道×时间或时频特征，SSM 的序列建模和扫描组织方式可能用于捕获较长时间范围的依赖。但原方法依赖图像空间结构，其几何变换不能直接视为 EEG 的有效变换：通道排列具有电极拓扑意义，时间方向也有特定语义。可复用候选是 SSM 建模与扫描组织思路，需改造的是输入表示及变换规则；低信噪比、跨被试差异、通道缺失和小数据训练均可能使收益消失。可检验的小实验是在固定数据划分和训练预算下，对照单方向扫描、多个固定方向扫描与保留电极拓扑的变换方案，分别报告被试内及跨被试性能、推理耗时和显存占用。该假设并非本文已验证的 EEG 结果，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得核对几何变换驱动的视觉扫描如何兼顾非局部建模与计算效率，但摘要未提供定量性能或复杂度数据，其优势及向 EEG 的迁移价值尚未验证。

  3. OpenReview · State space models78

    VMamba：视觉状态空间模型

    基于摘要分析。本文研究如何构建计算高效的视觉网络，将状态空间语言模型 Mamba 迁移为具有线性时间复杂度的视觉骨干 VMamba，核心贡献是通过 2D Selective Scan（SS2D）适配二维视觉数据的结构。 机制上，VMamba 由 Visual State-Space（VSS）块堆叠构成，其中 SS2D 沿四条扫描路径遍历，以连接一维选择性扫描的有序处理方式与二维视觉数据的非序列结构，从不同方向汇集上下文信息。作者据此构建了一组 VMamba 架构，并通过架构与实现层面的改进加速。摘要未展开具体扫描顺序、状态更新形式、训练目标或加速实现，相关细节尚未验证。 作者报告，VMamba 在多种视觉感知任务中展现出良好性能，相较既有基准模型具有输入规模扩展效率优势。摘要未提供任务名称、数据集、数据划分、对照模型、数值指标及复杂度测量条件，因此不能据此量化性能提升，或将线性复杂度直接等同于实际运行速度优势。实验协议、消融及统计信息尚未验证。材料提供了公开代码仓库，复现仍需核对具体配置、训练预算与软硬件环境。 平台推测（待验证）：若 EEG 被表示为通道×时间或时频二维结构，SS2D 的多方向上下文聚合可能用于建模长程依赖；这一假设依赖二维排列能够保留有意义的通道或时频关系，视觉领域结果不等于 EEG/BCI 效果。可考察复用 VSS 与扫描机制，但需改造输入编码、通道排列和任务输出。低信噪比、不规则电极布局、跨被试差异及小数据训练可能削弱收益，预训练与监督规模要求也尚未验证。一个可检验的小实验是在固定 EEG 数据划分、训练预算和相近模型容量下，对照多方向 SS2D 与单方向扫描，并扰动通道排列，观察任务指标及计算成本是否稳定改善。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其以四条扫描路径将一维选择性扫描适配到二维视觉数据的机制，并核对输入规模扩展效率的对照实验；该机制对 EEG 的适用性尚未验证。

  4. OpenReview · State space models72

    VmambaIR：用于图像恢复的视觉状态空间模型

    基于摘要分析。VmambaIR 面向从退化输入恢复高质量图像的问题，将 State Space Models（SSMs）引入图像恢复，旨在兼顾长程依赖建模与计算效率。其核心贡献是采用 Unet 架构堆叠 Omni Selective Scan（OSS）块，以多方向扫描缓解 SSM 的单向建模限制。 机制方面，每个 OSS 块由 OSS 模块与 Efficient Feed-Forward Network（EFFN）组成。作者提出的 omni selective scan 对六个方向的图像信息流进行建模，并将 SSM 的线性复杂度作为相对于 Transformer 二次复杂度的效率优势。摘要未说明六个方向的具体定义、扫描与融合方式、EFFN 结构、损失函数及训练策略，这些细节尚未验证。 作者报告，在 image deraining、single image super-resolution 和 real-world image super-resolution 等任务中，VmambaIR 达到 SOTA，同时使用更少的计算资源与参数。摘要未提供数据集、数据划分、对照模型、评价指标或资源测量条件，因此该结论目前只能作为作者报告，不能据此量化优势或比较不同任务的性能。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该方法原本依赖具有空间邻接关系的图像数据；多方向扫描与高效长程建模可能为 EEG 去噪提供机制参考，但原领域有效不等于 BCI 有效。可考虑复用 SSM 与扫描模块，需改造时间—通道表示、扫描顺序及训练目标，并核对是否依赖成对退化／参考信号监督。低信噪比、跨被试差异、不规则通道布局和小数据可能削弱效果，恢复过程也可能损伤 ERP 等任务相关成分。一个可证伪的小实验是在固定被试划分与噪声条件下，比较单向扫描和多方向扫描的 EEG 去噪误差、ERP 波形保真度及资源开销，检查效率收益是否伴随信号失真。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其 Omni Selective Scan 如何以线性复杂度缓解 SSM 的单向建模限制，并核对图像恢复效果与资源开销的对照证据；其对 EEG 的适用性尚未验证。

  5. OpenReview · State space models72

    利用平衡截断压缩含对角状态空间层的 S4 模型

    基于摘要分析。本文研究面向长序列处理、含 Diagonal State Space（DSS）层的 Structured State Space Sequence（S4）模型如何进行压缩，以支持边缘设备部署。核心贡献是将控制理论中的 balanced truncation（平衡截断）用于预训练 S4 模型的 DSS 层，并将降阶后的参数用于后续 S4 模型主训练过程的初始化。 方法包含两个用途：压缩预训练模型中的状态空间层，以及利用压缩所得参数初始化较小模型。摘要未给出平衡截断的具体实现、降阶维度选择、降阶后如何保持或转换 DSS 参数形式，以及后续训练设置，这些机制细节尚需全文核对。 作者报告，在摘要所述数值实验中，结合平衡截断训练的模型以更少参数取得了高于常规 Skew-HiPPO 初始化模型的准确率；作者还报告，原模型准确率越高，经该方法训练的模型准确率也越高，认为该方法能够利用原模型的优势。摘要未提供任务、数据集、划分协议、参数量及准确率数值，实验协议、消融及统计信息尚未验证。上述结果不直接证明实际边缘设备上的延迟、内存或能耗收益。 平台推测（待验证）：若 EEG 长序列模型采用 S4/DSS 层，该方法可能对应边缘端部署时的模型规模瓶颈。可复用部分是预训练状态空间层的降阶及参数初始化流程；需核对降阶参数与现有 DSS 实现的兼容性，并根据 EEG 任务调整输入、输出及训练配置。其依赖已训练模型和后续任务训练，但摘要未说明监督方式与数据规模。低信噪比、通道差异、小样本及跨被试变化可能使原模型优势难以保留，降阶也可能损失判别所需的时序信息。一个可证伪的小实验是在同一 EEG 数据划分和训练预算下，对比未压缩 S4、平衡截断初始化的小模型与参数量匹配的 Skew-HiPPO 初始化小模型，同时测量任务准确率及设备延迟。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得核对其将控制理论中的 balanced truncation 用于 DSS 层压缩与训练初始化的机制，以及相对 Skew-HiPPO 初始化的参数量—准确率权衡；其在 EEG 长序列建模中的适用性尚未验证。

  6. OpenReview · State space models78

    MambaByte：无 token 的选择性状态空间模型

    基于摘要分析。MambaByte 研究直接从原始字节学习的无 token 语言建模，旨在避免子词分词的归纳偏置，同时缓解字节序列更长带来的计算与内存压力。其核心贡献是将 Mamba 状态空间模型（SSM）用于字节序列的自回归训练，并提出结合 tokenized drafting 与 byte-level verification 的推测解码适配方案。 机制上，摘要将标准自回归 Transformer 随序列长度增长的内存需求，与 Mamba 的固定大小记忆状态及高效解码进行对照。MambaByte 的建模单位是字节，而非子词；推测解码则用 token 化序列生成草稿，再在字节层面验证。具体状态更新、选择性机制、训练损失及草稿验证流程尚未验证。 作者报告，MambaByte 在语言建模任务上可与先进的子词 Transformer 竞争，部分表现更优，并保留无 token 模型的噪声鲁棒性优势。作者还报告，其推测解码适配方案相较标准 MambaByte 实现获得 2.6 倍推理加速，解码效率与子词 Mamba 相近。摘要未提供对应数据集、模型规模、任务指标、硬件、生成长度及对照配置，因此这些结果只能在作者所述比较范围内理解，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其固定大小状态机制可能对应 EEG 长时序处理中随窗口长度增长的资源瓶颈，但字节语言建模依赖离散序列与自回归监督，不能直接等同于连续、多通道 EEG 建模。可考察 SSM 主干的复用，输入编码与训练目标需改造；tokenized drafting 的优势是否成立则取决于 EEG 是否存在合适的离散草稿表示。低信噪比、跨被试分布差异、通道变化及小数据可能削弱效果。一个可检验的小实验是在固定数据划分和参数预算下，比较 SSM 与 Transformer 在不同 EEG 窗口长度上的任务指标、峰值内存及推理延迟。上述仅为迁移假设，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其以固定大小状态处理长字节序列的机制，以及结合 tokenized drafting 与 byte-level verification 的推测解码方案；摘要中的语言建模与效率结论仍需结合完整实验协议核对。

  7. OpenReview · State space models73

    SMamba：通过可伸缩状态空间模型实现任意尺度超分辨率

    基于摘要分析。研究针对任意尺度超分辨率（ASSR）：用单一模型将低分辨率图像重建为任意目标尺度的高分辨率图像。作者提出正文称为 S³Mamba 的方法，通过 Scalable State Space Model（SSSM）构建可随尺度调整的连续表示空间，并结合尺度感知自注意力提取不同尺度下的重要全局特征。 机制上，摘要将隐式神经表示（INR）描述为连接坐标与像素值、重建连续信号的途径。SSSM 在离散化过程中调制状态转移矩阵及步长采样矩阵，作者称由此实现具有线性计算复杂度的连续尺度建模。尺度感知自注意力用于补充不同尺度下的全局特征感知；具体调制公式、尺度条件的注入方式、训练损失，以及线性复杂度是否涵盖完整网络，尚未验证。 作者报告，在合成与真实场景基准上的实验取得了最先进的性能及任意超分辨率尺度下的泛化能力。摘要未提供基准名称、训练与测试尺度划分、对照方法、指标或数值，因而尚不能核对其提升幅度，或区分已见尺度与未见尺度的泛化。实验协议、消融及统计信息尚未验证；代码与复现条件亦未确认。 平台推测（待验证）：假设该尺度条件化的连续表示机制可用于 EEG 时间轴重采样或缺失采样点重建，其潜在对应问题是不同采样率下的信号表示一致性，而不是直接提升 BCI 分类效果。可考虑复用尺度调制的状态空间模块，但需将二维图像坐标改为时间坐标，并处理通道结构、频带约束与抗混叠；原任务依赖低分辨率输入及高分辨率重建目标，迁移所需监督和数据规模尚不明确。低信噪比、小样本及跨被试差异可能使模型重建伪波形或失真频谱。一个可证伪的小实验是在按被试隔离的数据上，对高采样率 EEG 进行抗混叠降采样，比较该机制与常规插值在未见采样比例下的波形、频谱及下游任务表现。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得核对其通过离散化过程中的状态转移与步长采样调制实现连续尺度建模的机制，尤其是线性复杂度的适用范围及尺度外泛化证据；其对 EEG 的价值尚未验证。

  8. OpenReview · State space models71

    RSMamba：基于状态空间模型的遥感图像分类

    基于摘要分析。该研究面向遥感图像场景分类，提出基于状态空间模型（SSM）的 RSMamba，旨在兼顾整幅图像的全局理解与线性建模复杂度；核心贡献是通过动态多路径激活机制增强 Mamba 对非因果二维图像数据的建模能力，而非提出 EEG 或 BCI 方法。 技术机制：摘要将遥感场景的复杂性、多样性及其时空分辨率变化列为分类难点。RSMamba 采用硬件感知的 Mamba 设计，在保留原有建模机制的同时，引入动态多路径激活，以应对原始 Mamba 的因果序列建模方式与二维图像结构之间的不匹配。路径如何构造、动态激活如何实现，以及训练目标和推理流程，摘要未提供细节，尚未验证。 结果与复现：作者报告，RSMamba 在多个遥感图像分类数据集上表现更优，但摘要未给出数据集名称、划分协议、对照配置、指标或数值，不能据此量化优势。作者据此提出其作为未来视觉基础模型骨干的潜力，这不等于已经完成基础模型验证。摘要表示代码将公开，当前可用性尚未验证；实验协议、消融及统计信息亦尚未验证。 平台推测（待验证）：若多路径机制确实能够减少单一序列顺序对建模的限制，则可能为离线 EEG 的时间—通道联合建模提供参考。可考虑复用 SSM 建模模块，但图像路径需改造成符合电极拓扑与时间结构的路径，分类输入和任务监督也需适配。低信噪比、通道布局变化、跨被试差异及小样本训练可能削弱收益；非因果建模还需与在线 BCI 的因果约束区分。一个可检验的小实验是在固定 EEG 数据划分、预处理及训练预算下，对照单路径 Mamba 与多路径变体，分别检查被试内和跨被试表现，并测试通道扰动下的稳定性。以上仅为机制迁移假设，已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读的是其以动态多路径激活机制扩展 Mamba 对非因果二维数据的建模能力，但性能优势及其对 EEG 的迁移价值仍需分别验证。

9月23日周六
  1. OpenReview · Representation learning74

    稀疏双曲表示学习

    基于摘要分析。该论文研究具有树结构的实体如何在双曲空间中获得更紧凑的表示，提出几何定义的稀疏性与稀疏正则化，以及基于 geometric shrinkage-thresholding 的优化算法，目标是为不同实体分别压缩表示维度，而非统一使用相同维度。 核心机制：双曲空间表示学习（HSBRL）可利用低维空间表达树状结构，但统一维度未必适合每个实体。作者指出，双曲空间不存在能完全反映其几何结构的典范坐标系，直接套用线性空间的坐标稀疏方法会产生几何上不均匀的稀疏性；同时，常规黎曼梯度下降在稀疏学习所需的非光滑目标上可能振荡。论文因此从几何角度定义稀疏性及正则化，并通过几何收缩阈值思路寻求稀疏解。作者声称这些定义与算法具有首次提出的性质，该优先性尚未独立核实。 证据边界：摘要未提供具体正则项、更新公式、数据集、比较基线、压缩率或信息保留指标，因此只能确认方法主张，不能确认其实际存储收益或表示质量。实验协议、消融及统计信息尚未验证；复现前需核对稀疏性的数学定义、有效维度与存储成本的关系，以及非光滑优化的适用条件。 平台推测（待验证）：若 EEG 任务中的实体或关系确有可验证的树状层级，稀疏双曲表示可能用于压缩这些结构的嵌入；这不等于原始 EEG 时序适合双曲建模。可复用部分是几何稀疏正则化与优化思路，需改造的是 EEG 特征到层级实体的映射及任务目标。低信噪比、跨被试差异和小数据可能使层级关系不稳定，过强稀疏化也可能删除判别信息。一个可检验的小实验是在固定跨被试划分与相同特征下，对比稀疏和非稀疏双曲嵌入的任务表现与实际存储成本，以检验压缩是否损害泛化。相关 EEG 工作尚未检索确认。

    阅读价值：值得阅读其如何以几何方式定义双曲空间稀疏性，并用 geometric shrinkage-thresholding 处理非光滑优化；其压缩收益与 EEG 迁移价值尚未验证。

  2. OpenReview · Representation learning79

    缓解多视图表征学习的样本低效问题

    基于摘要分析。本文研究计算机视觉中非对比自监督学习（NC-SSL）的样本与计算效率，围绕 BarlowTwins 和 VICReg 为何常依赖高维投影头及同一图像的两个增强视图提供理论解释，并据此提出低维投影头正则化与增加每样本增强视图的预训练建议。 机制方面，作者认为特征正交性比投影头维度更关键，并报告适当正则化可使低维投影头获得良好表征；具体正则化形式及理论成立条件尚未验证。另一项理论分析指出，多个数据增强视图更能体现自监督目标的要求。作者报告，增加每个样本的增强数量可改善表征质量、可训练性和优化收敛，使较好的特征更早出现。 结果方面，作者报告，仅增加数据增强即可在保持 Accuracy 并改善收敛的同时，将预训练数据集规模最多缩减至原来的四分之一；摘要未给出该结果对应的数据集、增强数量、基线设置和具体 Accuracy。作者另报告，结合上述建议，在使用 ResNet-50 backbone 的 CIFAR-10/STL-10 实验中取得性能提升及 2 倍实际运行时间效率改进，但具体耗时、性能指标和比较条件尚未验证。实验协议、消融及统计信息尚未验证，需全文核对增强带来的额外计算成本如何计入效率比较。 平台推测（待验证）：迁移假设是，特征正交性约束及多视图自监督目标可能帮助缓解 EEG 小数据预训练中的表征冗余与收敛问题。可复用的是损失分析思路、投影头及多视图训练框架；需改造的是图像增强，转为能保留任务相关信息的 EEG 增强。该假设依赖同一样本不同视图共享有效信息，低信噪比、通道差异及跨被试分布变化可能使增强破坏标签语义或强化噪声。一个可检验的小实验是在固定被试划分和计算预算下，对比两个与更多增强视图，并交叉比较高维投影头和带正则化的低维投影头，观察收敛速度及下游任务 Accuracy。已有 EEG 相关工作尚未检索确认，原图像实验不构成 BCI 有效性证据。

    阅读价值：该研究将 BarlowTwins 与 VICReg 的损失隐式偏置联系到投影头维度和增强视图数量，为核对非对比自监督预训练的样本与计算效率提供了具体理论及实验线索，但其 EEG 适用性尚未验证。

9月22日周五
  1. OpenReview · Representation learning74

    NAR-Former V2：重新审视用于通用神经网络表示学习的 Transformer

    基于摘要分析。该研究关注神经网络架构本身的表示学习，目标是在不实际训练或部署候选网络的情况下预测其属性，辅助网络设计与部署。作者提出 NAR-Former V2，以修改后的 Transformer 同时表示单元结构网络与完整网络。 方法先将网络视为图，通过 tokenizer 将其编码为序列，再将 GNN 的归纳表示学习能力引入 Transformer，以改善对未见架构的泛化；此外还提出若干面向图结构表示的修改。摘要未说明具体编码规则、归纳机制的实现、损失函数及这些修改的组成，不能据此判断其如何保留拓扑关系或处理不同规模的网络。 结果方面，作者报告：在 NNLQP 数据集的完整网络编码与延迟预测任务上，该方法明显优于 GNN 方法 NNLP；在 NASBench101 与 NASBench201 的单元结构网络准确率预测任务上，与其他先进方法取得高度可比的表现。摘要未提供具体分数、指标、划分或目标硬件条件，实验协议、消融及统计信息尚未验证。作者提供了代码链接，但代码可运行性与复现条件尚未核验。 平台推测（待验证）：迁移假设是利用架构表示预测器降低 EEG 候选网络的逐一训练与部署评估成本，而非直接学习 EEG 信号。可复用部分是架构图编码与属性预测框架；需核对 tokenizer 对 EEG 常用算子的支持，并收集任务特定的架构—性能或硬件延迟标签。原方法依赖架构图及其目标属性监督，所需数据规模尚未验证。EEG 的低信噪比、被试和通道差异，以及小样本评估波动，可能使准确率标签不稳定，削弱架构层面的泛化。一个可证伪的小实验是在固定 EEG 数据划分与训练预算下，为一组候选架构采集性能标签，按架构留出测试，与 GNN 预测器比较误差及排序一致性；这属于迁移验证建议，不是论文已完成的实验。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其将 GNN 的归纳表示学习能力融入 Transformer、统一处理单元结构与完整网络的机制，但用于 EEG 网络设计的价值尚未验证。