연구진이 비디오 이해를 위한 새로운 모델 VideoSEMA를 발표했어요. VideoSEMA는 공간에서는 Mamba 구조를 활용한 SEMA 어텐션, 시간에서는 softmax 어텐션을 사용합니다. K400 및 SSv2 데이터셋에서 기존 모델보다 뛰어난 성능을 보여줬어요.
특정 조건 하에서 VideoSEMA의 분리된 공간-시간 어텐션은 전체 공간-시간 어텐션과 동일함을 증명했어요. 이미지 해상도가 높아질 때 VideoMamba보다 정확도 감소가 적습니다.