본 논문은 실시간 객체 탐지에서 제한된 계산 자원 하에서 속도와 정확도의 균형을 맞추기 위해 MambaNeXt-YOLO라는 새로운 객체 탐지 프레임워크를 제안합니다. 기존 Transformer 기반 아키텍처의 높은 계산 복잡도 문제를 해결하기 위해 선형 상태 공간 모델인 Mamba를 활용하여 효율적인 시퀀스 모델링을 구현합니다. 이는 CNN과 Mamba를 통합한 MambaNeXt Block, 다중 스케일 객체 탐지를 개선하는 MAFPN, 그리고 경량화를 통한 에지 디바이스 배포 지원이라는 세 가지 주요 기여를 통해 이루어집니다. PASCAL VOC 데이터셋에서 전이 학습 없이 31.9 FPS로 66.6% mAP를 달성하였으며, NVIDIA Jetson Xavier NX 및 Orin NX와 같은 에지 디바이스에서의 배포를 지원합니다.
