ControlMambaIR：基于状态空间模型与条件控制的图像复原
计算机视觉与模式识别
2025-06-04 v1
摘要
本文提出 ControlMambaIR，一种新颖的图像复原方法，旨在解决图像去雨、去模糊和去噪任务中的感知挑战。通过将 Mamba 网络架构与扩散模型相结合，条件网络实现了精细化的条件控制，从而增强了对图像生成过程的控制与优化。为了评估我们方法在各种图像退化条件下的鲁棒性和泛化能力，我们在多个基准数据集上进行了大量实验，包括 Rain100H、Rain100L、GoPro 和 SSID。结果表明，我们提出的方法在 LPIPS 和 FID 等感知质量指标上持续超越现有方法，同时在 PSNR 和 SSIM 等图像失真指标上保持可比的性能，突显了其有效性与适应性。值得注意的是，消融实验揭示，在扩散过程中直接进行噪声预测可获得更好的性能，有效平衡了噪声抑制与细节保留。此外，研究结果表明，Mamba 架构特别适合作为扩散模型的条件控制网络，在此场景中优于基于 CNN 和基于 Attention 的方法。总体而言，这些结果突出了 ControlMambaIR 在解决一系列图像复原感知挑战方面的灵活性与有效性。
引用
@article{arxiv.2506.02633,
title = {ControlMambaIR: Conditional Controls with State-Space Model for Image Restoration},
author = {Cheng Yang and Lijing Liang and Zhixun Su},
journal= {arXiv preprint arXiv:2506.02633},
year = {2025}
}