面向图像恢复的通道感知U型Mamba模型
计算机视觉与模式识别
2024-04-19 v1
摘要
重建受损图像是图像处理中的关键任务。虽然CNN和Transformer-based模型在该领域广泛应用,但存在局限性,如不足的长程依赖建模和高计算成本。为克服这些问题,我们引入Channel-Aware U-Shaped Mamba (CU-Mamba)模型,其在U-Net架构中融合双State Space Model (SSM)框架。CU-Mamba采用空间SSM模块进行全局上下文编码,并采用通道SSM组件保留通道关联特征,两者相对于特征图大小的计算复杂度为线性。大量实验结果验证了CU-Mamba在现有SOTA方法上的优势,凸显在图像恢复中同时集成空间和通道上下文的重要性。
引用
@article{arxiv.2404.11778,
title = {CU-Mamba: Selective State Space Models with Channel Learning for Image Restoration},
author = {Rui Deng and Tianpei Gu},
journal= {arXiv preprint arXiv:2404.11778},
year = {2024}
}