Vision Mamba의 성능 향상을 위한 고급 이산화 전략 비교

Vision Mamba와 같은 State Space Model (SSM)은 Zero-Order Hold (ZOH) 방식을 사용하여 연속적인 신호를 이산화합니다. ZOH는 샘플링 순간 사이에 입력 값이 변하지 않는다고 가정하는데, 이는 역동적인 시각 환경에서는 시간적 정확도를 떨어뜨리고 모델의 성능을 제한하는 요인이 됩니다.

본 논문은 Vision Mamba를 기반으로 총 6가지 이산화 방식(ZOH, FOH, BIL, POL, HOH, RK4)을 체계적으로 비교했습니다. 평가 대상은 이미지 분류, 시맨틱 분할, 객체 탐지 등 표준 비전 벤치마크입니다.

평가 결과에 따르면, Polynomial Interpolation (POL)과 Higher-Order Hold (HOH) 방식이 가장 큰 정확도 향상을 보였습니다. 다만, 이들은 그만큼 높은 계산 비용을 요구합니다. 반면, Bilinear/Tustin Transform (BIL)은 ZOH 대비 꾸준한 성능 개선을 제공하면서도 추가적인 오버헤드가 적어 정밀도와 효율성 사이에서 최적의 균형점을 제시했습니다.

결론적으로, 이 연구는 SSM 기반 비전 아키텍처에서 이산화 과정이 핵심적인 역할을 함을 밝히고, 향후 SOTA (State-of-the-Art) 모델의 기본 이산화 기준으로 BIL 채택을 강력하게 제안합니다.