更快、更强！地平线ViG，基于视觉Mamba的通用视觉主干网络

主要观点总结

本工作提出的ViG方法在高效视觉序列建模领域具有创新性和实际应用价值。通过引入双向门控线性注意力（BiGLA）和二维门控局部注入机制，ViG有效弥补了现有方法的不足，实现了兼具高效性与准确性的视觉表示学习。文章介绍了ViG的背景、方法概述、实验结果和总结。

关键观点总结

关键观点1: 论文被AAAI 2025收录，介绍了一种名为Vision Mamba的线性复杂度视觉序列表征学习方法，其在高清图像上表现出效率优势但在更常见分辨率上略逊于Transformer和CNN。

文章指出将自然语言序列建模中的门控线性注意力模块（Gated Linear Attention, GLA）引入到视觉表征学习中以提高效率，并提出了结合硬件感知的双向门控线性注意力机制（BiGLA）。

关键观点2: BiGLA机制结合了硬件感知设计以提升效率，并通过双向设计减少显存占用和提高硬件运行速度。

文章引入了长短上下文的动态门控制机制以增强对图片二维空间细节的感知，并提出了两种结构变种：ViG和ViG-H。

关键观点3: 实验结果展示了ViG和ViG-H在参数量、精度和速度方面的优势，特别是在高分辨率场景下。

文章总结了ViG方法的重要性和实际应用价值，并展望了其未来在高清视觉信号处理和多模态序列表征学习领域的应用潜力。