拿下CV顶会！多模态特征融合+Mamba新方法，性能超越SOTA！

Mamba，一种具有强大信息整合能力的技术，加上多模态特征融合，不仅能提升模型在处理复杂任务时的准确性和鲁棒性，还拓宽了应用边界：从智能交互到复杂数据分析的多个领域...都涵盖了。创新空间和落地应用前景可见一斑。

去年至今， Mamba+多模态特征融合 相关的论文呈爆发式增长，其中顶会顶刊成果占比可观，比如ICASSP 2025的DepMamba模型，计算效率、准确率等都优于SOTA。如果有同学也对此感兴趣，想出成果，推荐优先探索 动态模态融合、轻量化混合架构、特定领域（如医疗或机器人）的多模态应用 ，结合真实场景需求设计创新点。

为方便大家找参考，我已经整理好了 11篇 Mamba+多模态特征融合前沿论文（基本都有代码） ，需要的可直接获取，帮各位节省时间加快论文进度。

扫码添加小享， 回复“ 曼巴特征 ”

免费获取 全部论文+开源代码

MambaPro: Multi-Modal Object Re-Identification with Mamba Aggregation and Synergistic Prompt

方法： 论文提出了一种名为MambaPro的多模态目标重识别方法，通过Mamba的高效序列建模和协同提示机制，实现了多模态特征的深度融合与交互，有效提升了特征的判别力和模型性能。

创新点：

• PFA 被引入到冻结的 CLIP 图像编码器中，以促进预训练知识向多模态目标重识别任务的转移。
• SRP 被提出用于指导多模态特征的联合学习，有效促进了判别性多模态信息的交换，并通过残差提示逐层聚合多模态信息，显著增强了信息的协同效应。
• MA 高效地对来自不同模态的长序列进行建模交互，整合了模态内部和模态之间的互补特征。

MambaGesture: Enhancing Co-Speech Gesture Generation with Mamba and Disentangled Multi-Modality Fusion

方法： 论文提出了一种名为MambaGesture的新框架，旨在通过结合Mamba模型的序列处理能力与多模态特征融合模块SEAD，解决现有协同语音手势生成方法中忽视多模态交互的问题，以提升手势生成的真实性和多样性。

创新点：

• 引入Mamba模型用于扩散基础的共同语音手势生成，这是首次在该领域使用Mamba模型。
• 提出了MambaAttn模块，强化了序列建模能力，以及SEAD模块，一种新颖的音频解耦方法，能够融合多模态数据。
• 引入了多模态特征融合模块，通过音频、文本、风格和情感的解耦，深化了融合过程，从而生成具备更高逼真度和多样性的手势。

扫码添加小享， 回复“