CVPR 2025 | 裂缝分割轻量化新方案！SCSegamba：Vision Mamba+多尺度特...

主要观点总结

SCSegamba是一种专为建筑结构裂缝分割设计的轻量级视觉Mamba模型，仅用280万参数就在多个数据集上实现SOTA性能，通过门控瓶颈卷积（GBC）、结构感知扫描策略（SASS）和多尺度特征分割头（MFS）三大创新，在保持低计算成本的同时显著提升裂缝检测的精度与完整性。

关键观点总结

关键观点1: 提出轻量级且高性能的裂缝分割模型SCSegamba

SCSegamba模型仅包含280万参数，体积仅为37MB，却在F1分数（0.839）和mIoU（0.8479）等指标上超越众多大型模型，适用于边缘设备部署，解决了传统CNN视野局限、Transformer参数量大、Mamba扫描单一的问题。

关键观点2: 引入门控瓶颈卷积（GBC）以高效提取裂缝特征

GBC采用瓶颈结构压缩特征维度，减少冗余计算，并通过双分支门控机制突出重要特征，结合残差连接保障信息流动，实现了在降低参数量的同时提升特征表达能力，相比普通卷积更轻量且性能更强。

关键观点3: 设计结构感知扫描策略（SASS）增强方向鲁棒性

SASS采用水平、垂直、对角线及反向对角线四种蛇形扫描路径并行处理，突破传统Mamba单向扫描限制，有效捕捉任意走向的裂缝纹理，显著降低斜向和交叉裂缝的漏检率，提升模型对复杂结构的感知能力。