SAMA-UNet은 의료 영상 분할을 위한 새로운 아키텍처로, 계산 효율성 문제와 복잡한 의료 데이터의 어려움을 해결하기 위해 제안되었다. 기존의 State Space Sequence Models (SSMs)의 장점을 활용하면서, 이미지 토큰과 자기회귀 가정의 비호환성 문제를 극복하고 국소적 미세 정보와 전역적 의미적 의존성을 동시에 포착하는 데 중점을 두었다. 핵심 혁신 기술인 Self-Adaptive Mamba-like Aggregated Attention (SAMA) 블록은 문맥적 자기 주의와 동적 가중치 변조를 통합하여 국소 및 전역적 맥락에 따라 가장 관련성이 높은 특징을 우선적으로 처리한다. 또한 Causal-Resonance Multi-Scale Module (CR-MSM)을 통해 인코더와 디코더 간의 정보 흐름을 향상시켜 다양한 스케일에서 특징 해상도와 인과적 의존성을 자동으로 조정함으로써 저수준과 고수준 특징 간의 의미적 정렬을 개선한다. MRI, CT, 내시경 이미지에 대한 실험 결과, SAMA-UNet은 CNN, Transformer, Mamba 기반의 기존 방법보다 분할 정확도가 우수함을 보여주었다. 소스 코드는 GitHub에 공개되어 있다.
