2025最新方案！Mamba赋能UNet！轻松实现高效分割！

2025最新方案！Mamba赋能UNet！轻松实现高效分割！

引用

CSDN

1.

https://blog.csdn.net/d22800/article/details/145870344

Mamba-UNet模型通过结合状态空间模型（Mamba）和经典UNet架构，旨在提升图像分割任务的性能。本文将介绍四篇相关论文的研究内容、方法和创新点，包括VM-UNET-V2、Weak-Mamba-UNet、CM-UNet和Mamba-SEUNet等模型在不同领域的应用和性能提升。

论文1：VM-UNET-V2

标题：VM-UNET-V2：重新思考用于医学图像分割的视觉曼巴UNet

方法：

• Vision State Space (VSS) Block：引入视觉状态空间块，用于捕获广泛的上下文信息，通过2D选择性扫描模块（SS2D）处理输入数据。
• 语义和细节注入（SDI）模块：增强低级和高级特征的融合，通过注意力机制对特征图进行空间和通道注意力计算，调整特征图的尺寸以匹配目标参考。

创新点：

• 性能提升：在ISIC17数据集上，VM-UNetV2的mIoU、DSC和Acc指标分别达到82.34%、90.31%和96.70%，相比UNetV2提升了超过2%的mIoU和DSC，准确率提升了0.38%。
• 计算效率：模型参数量减少至17.91M，FLOPs降低至4.40G，FPS提升至32.58，相比UNetV2在FLOPs和FPS上分别提升了约20%和1.6%。
• 长距离依赖建模：通过VSS块的线性复杂度和高效建模能力，解决了CNN在长距离依赖建模上的不足，同时避免了Transformer的二次复杂度问题。
• 语义和细节融合：通过SDI模块将语义信息注入低级特征，同时用细节信息优化高级特征，显著提升了分割精度。

论文2：Weak-Mamba-UNet

标题：Weak-Mamba-UNet：视觉曼巴使CNN和ViT在基于涂鸦的医学图像分割中表现更好

方法：

• 多架构融合：结合CNN（UNet）、ViT（SwinUNet）和Mamba（MambaUNet）三种架构，通过编码器-解码器网络实现局部特征提取、全局上下文理解和长距离依赖建模。
• 伪标签生成：通过多视图交叉监督机制，将稀疏的涂鸦标注转换为密集的伪标签，用于迭代学习和网络优化。

创新点：

• 性能提升：在MRI心脏分割数据集上，Weak-Mamba-UNet的Dice系数达到0.9171，准确率（Acc）达到99.63%，相比仅使用UNet或SwinUNet的框架，Dice系数分别提升了约0.017和0.012。
• 多视图交叉监督：首次提出结合CNN、ViT和Mamba架构的多视图交叉监督框架，通过伪标签实现不同网络之间的协同优化，显著提升了分割精度。
• 稀疏标注适应性：在涂鸦标注的弱监督条件下，通过伪标签生成和多网络协同训练，显著降低了对密集标注的依赖，降低了标注成本。
• 架构互补性：验证了Mamba架构在弱监督任务中的有效性，通过结合CNN和ViT的优势，进一步提升了模型的泛化能力和分割性能。

论文3：CM-UNet

标题：CM-UNet：用于遥感图像语义分割的混合CNN-Mamba UNet

方法：

• CNN编码器与Mamba解码器：提出CM-UNet框架，结合CNN编码器提取局部特征和Mamba解码器聚合全局信息，实现高效的语义分割。
• CSMamba块：引入CSMamba块作为核心分割解码器，通过通道和空间注意力增强特征交互和全局-局部信息融合。

创新点：

• 性能提升：在ISPRS Potsdam数据集上，CM-UNet的mF1达到93.05%，OA为91.86%，mIoU为87.21%，相比UNetformer分别提升了0.25%、0.56%和0.41%。在ISPRS Vaihingen数据集上，mIoU达到85.48%，相比其他方法提升了2.78%到16.08%。
• 全局-局部信息融合：通过CSMamba块和MSAA模块，有效整合全局和局部信息，显著提升了对大规模遥感图像的分割性能。
• 计算效率：CM-UNet在FLOPs、参数量和内存占用上表现出色，FLOPs仅为6.01G，参数量为12.89M，内存占用为366.33MB，同时mIoU达到85.48%，优于其他模型。
• 架构优化：结合多尺度特征学习和多输出监督，进一步提升了模型对复杂场景的分割精度。

论文4：Mamba-SEUNet

标题：Mamba-SEUNet：用于单声道语音增强的Mamba UNet

方法：

• Mamba-UNet架构：提出Mamba-SEUNet，结合Mamba和U-Net框架，通过双向Mamba块捕捉语音信号的前向和后向依赖关系。
• TS-Mamba块：引入时间-频率Mamba块，通过双向SSM公式整合过去和未来信息，增强全局和局部特征学习。

创新点：

• 性能提升：在VCTK+DEMAND数据集上，Mamba-SEUNet (L)的PESQ分数达到3.59，STOI为0.96，CSIG为4.80，CBAK为4.02，COVL为4.32。结合感知对比拉伸（PCS）技术后，PESQ进一步提升至3.73。
• 计算效率：相比Transformer和Conformer，Mamba-SEUNet显著降低了计算复杂度，FLOPs仅为10.28G（Mamba-SEUNet (M)），同时性能优于Conformer和Transformer。
• 双向信息捕捉：通过双向Mamba块，有效整合语音信号的前向和后向依赖关系，提升了对长序列语音信号的建模能力。
• 多尺度信息融合：通过U-Net架构中的跳跃连接和多尺度特征融合，增强了对语音信号细节的恢复能力。