用于多孔介质渗透性预测的 Vision Mamba
计算机视觉与模式识别
2025-10-21 v2
摘要
Vision Mamba最近因其相对于Vision Transformer(ViTs)的优势而受到关注。Vision Mamba的网络规模随输入图像分辨率呈线性增长，而ViTs呈二次增长，这一特征提高了计算和内存效率。此外，Vision Mamba所需的可训练参数数量显著小于传统卷积神经网络(CNN)，因此更具内存效率。鉴于这些优势，我们首次引入一种使用Vision Mamba作为骨干网络的神经网络，用于预测三维多孔介质的渗透性。我们在渗透性预测方面比较了Vision Mamba、ViT和CNN模型的性能，并进行消融研究以评估其组件对准确性的影响。我们实际演示了Vision Mamba相对于ViT和CNN在三维多孔介质渗透性预测中的优势。我们公开源代码以促进可重复性，并使其他研究人员能够在此基础上构建和扩展。我们相信，该提议框架有望集成到大型视觉模型中，Vision Mamba取代ViT。
关键词
引用
@article{arxiv.2510.14516,
title = {Vision Mamba for Permeability Prediction of Porous Media},
author = {Ali Kashefi and Tapan Mukerji},
journal= {arXiv preprint arXiv:2510.14516},
year = {2025}
}