Mamba做RGB-D显著性检测会丢细节：补上液态时间常数与频域融合，五个基准排名第一
RGB-D显著性检测长期在CNN的有限感受野与Transformer的二次开销之间取舍，Mamba以线性复杂度做全局建模，却因把二维特征摊平成一维序列而丢失局部结构。LWNet在VMamba主干上加入视觉液态时间常数模块，用输入相关的衰减速度恢复被扫描削弱的局部细节，再用跨模态小波融合把RGB与深度特征拆成低频与高频分量分别对齐。在STERE、NLPR、NJU2K、DUTLF、SIP五个基准上与18种方法比较，LWNet在五个数据集上的排名均为第一。