본 논문은 비디오 의미론적 분할(VSS)에서 기존의 프레임 단위 또는 짧은 시간 창 기반 방법들의 한계(제한된 시간적 맥락, 중복 계산, 높은 메모리 요구량)를 극복하기 위해, 시간적 비디오 상태 공간 공유(TV3S) 아키텍처를 제안합니다. TV3S는 Mamba 상태 공간 모델을 활용하여 시간적 특징 공유를 수행하고, 선택적 게이팅 메커니즘을 통해 관련 정보만 효율적으로 전파하여 메모리 부담을 줄입니다. 공간 패치를 독립적으로 처리하고 시프트 연산을 통합하여 학습 및 추론 단계 모두에서 병렬 처리를 지원하며, 긴 비디오 시퀀스에 대한 확장성을 향상시킵니다. 추론 과정에서 이전 프레임의 정보를 활용하여 장기간 시간적 일관성과 확장된 시퀀스에 대한 적응력을 높입니다. VSPW 및 Cityscapes 데이터셋 실험 결과, 기존 최첨단 방법들을 능가하는 성능을 보이며, 긴 비디오 시퀀스에서 일관된 결과를 제공합니다. 정확성과 효율성 간의 균형을 이루어 공간-시간 모델링에 대한 상당한 발전을 제시하며 효율적인 비디오 분석을 위한 새로운 가능성을 제시합니다. 코드는 공개적으로 제공됩니다.
