D2-Mamba：用于阴影去除的双尺度融合与双路径扫描

阴影去除旨在恢复部分因阴影导致退化的图像，其中退化在空间上是局部且非均匀的。与假设全局退化的常规恢复任务不同，阴影去除可以利用来自非阴影区域的丰富信息进行指导。然而，纠正被阴影区域所需的转换通常与 well-lit 区域的转换存在显著差异，这使得应用统一的校正策略具有挑战性。这 necessitates 对非本地上下文信息的有效集成和区域特定转换的自适应建模。为此，我们提出一种新型基于 Mamba 的网络，采用双尺度融合和双路径扫描，以基于转换相似性在区域之间选择性地传递上下文信息。具体而言，提出的双尺度融合 Mamba 块（DFMB）通过融合原始特征与低分辨率特征来增强多尺度特征表示，有效减少边界伪影。双路径 Mamba 组（DPMG）通过水平扫描捕获全局特征，并纳入一种掩码感知的自适应扫描策略，改善了结构连续性和细粒度区域建模。实验结果表明，我们的方法在阴影去除基准数据集上显著优于现有的领先方法。