UltraLight VM-UNet：平行 Vision Mamba 大幅度减少参数用于皮肤皮损分割
图像与视频处理
2025-06-30 v3 计算机视觉与模式识别
摘要
传统上为提高模型分割性能， most 方法倾向于增加更复杂的模块，这在医疗领域尤其是移动医疗设备上并不合适，因为计算密集型模型受限于计算资源，难以在临床环境中实现实时应用。最近，以 Mamba 为代表的状态空间模型（SSMs）正成为传统 CNN 和 Transformer 的强大竞争者。本文深入探讨了 Mamba 中参数影响的关键因素，提出一种基于此的 UltraLight Vision Mamba UNet（UltraLight VM-UNet）。具体而言，我们提出了一种用于处理平行 Vision Mamba 特征的方法，称为 PVM 层，该层在保持整体处理通道数不变的前提下，以最低的计算负担实现卓越的性能。我们在三个皮肤皮损公开数据集上与几种最新轻量级模型进行了比较和消融实验，证明 UltraLight VM-UNet 参数仅为 0.049M， GFLOPs 为 0.060，即可展现与之相同的强大性能竞争力。此外，本研究深入探讨了 Mamba 中参数影响的关键因素，为未来 Mamba 可能成为轻量化领域的主流模块奠定了理论基础。代码已公开于 https://github.com/wurenkai/UltraLight-VM-UNet。
关键词
引用
@article{arxiv.2403.20035,
title = {UltraLight VM-UNet: Parallel Vision Mamba Significantly Reduces Parameters for Skin Lesion Segmentation},
author = {Renkai Wu and Yinghao Liu and Pengchen Liang and Qing Chang},
journal= {arXiv preprint arXiv:2403.20035},
year = {2025}
}