近日，通信工程学院智能信息计算团队的研究成果《2D-CrossScan Mamba:Enhancing State Space Models with Spatially Consistent Multi-Path 2D Information Propagation》被人工智能领域国际顶级会议 The 40th AAAI Conference on Artificial Intelligence (AAAI 2026) 正式录用。AAAI 是人工智能领域 CCF A 类会议，代表该领域国际最高研究水平。24级博士研究生于龙龙为第一共同作者，清华大学郭雨晨研究员为第一通讯作者。

近年来，以 Mamba 为代表的状态空间模型凭借高效长序列处理能力，在自然语言处理领域成效显著，但应用于图像等 2D 结构数据时，原生 1D 扫描机制存在明显局限：图像 patch 空间邻近性被扭曲，现有改进方案或空间局部性不一致、或单路径传播，导致空间特征不完整，制约目标检测、语义分割等任务性能。当前高分辨率图像检测等场景对细粒度空间依赖捕捉要求提升，传统 1D 适配方案已无法满足需求，亟需贴合 2D 空间特性的建模方法。

为解决这一问题，团队提出 2D-CrossScan 全新 2D 兼容扫描框架，通过三大核心设计实现空间信息高效传播：重构 2D 状态方程，让图像 patch 同时聚合水平与垂直相邻区域隐藏状态，对齐空间与几何结构；设计多路径聚合与冗余抑制机制，融合多路径信息并消除冗余，平衡特征丰富度与计算复杂度；提出四向同步扫描策略，从图像四角启动扫描并自适应融合特征，保障空间覆盖均匀性。

团队在 PANDA 高分辨率图像数据集及 ImageNet-1K、COCO、ADE20K 等通用数据集上开展实验，结果显示：基于 2D-CrossScan Mamba 的模型在 PANDA 高分辨率目标检测任务中，小、中、大型目标精度均大幅超越先进方法；在其他数据集与任务上，性能优于 VMamba、2DMamba 等主流模型。有效感受野分析与注意力可视化显示，该框架特征图空间均匀性更强，能精准捕捉目标与背景关联，印证其空间特征表达优势。

这一成果依托杭州电子科技大学 “智能信息处理实验室”（HDU IIPLab），实验室由颜成钢教授主持，含 5 位国家级人才，长期与清华、北大及海外高校联合培养，深耕智能信息处理领域。未来，团队将深化 2D-CrossScan 框架应用，推动其在医学影像、自动驾驶感知等场景落地，助力人工智能创新发展。

编辑：徐立超

一审：赵   强

二审：邱一波

三审：孙闽红

发布：廖丹丹