基于Mamba骨架的方向性状态空间生成对抗网络用于类别条件图像合成
机器学习
2026-03-19 v1 计算机视觉与模式识别
摘要
我们提出了DSS-GAN，这是首个采用Mamba作为层次化生成器骨架的生成对抗网络，用于噪声到图像的合成。核心贡献是方向性潜在路由 (Directional Latent Routing, DLR)，这是一种新颖的条件化机制，将潜在向量分解为方向特定的子向量，每个子向量与类别嵌入联合投影，以产生对应Mamba扫描的特征仿射调制。不同于常规类别条件化将全局信号注入的方式，DLR将类别身份与潜在结构在特征图的不同空间轴上进行耦合，始终应用于所有生成尺度。DSS-GAN 在多个数据集上实现了比 StyleGAN2-ADA 更好的 FID、KID 和精确召回分数。潜在空间分析显示，方向性子向量具有可测量的专门化：沿单个分量的扰动会产生结构化、方向相关的图像变化。
引用
@article{arxiv.2603.17637,
title = {DSS-GAN: Directional State Space GAN with Mamba backbone for Class-Conditional Image Synthesis},
author = {Aleksander Ogonowski and Konrad Klimaszewski and Przemysław Rokita},
journal= {arXiv preprint arXiv:2603.17637},
year = {2026}
}