FastVim

该方法在每个尺度上使用一个Mamba模型以线性时间编码来自冻结基础模型和轻量级FastVim两个来源的特征，随后由联合训练的分类头将编码后的表征融合为单一预测。

FastVim是基于视觉Mamba架构的轻量级变体，专为高效图像分类设计，其预训练权重可从大型基础模型蒸馏获得。