EAMamba：用于图像恢复的高效全方位视觉状态空间模型

图像恢复是低层计算机视觉中的关键任务，旨在从退化输入中重建高质量图像。视觉Mamba（Vision Mamba）的出现，灵感来自先进的状态空间模型Mamba，标志着该领域的重大进展。视觉Mamba在以线性复杂度建模长程依赖方面表现卓越，这对于图像恢复任务至关重要。尽管具有这些优势，视觉Mamba在低层视觉任务中仍面临计算复杂度随扫描序列数量增加的问题以及局部像素被遗忘的挑战。为解决这些限制，本研究引入了高效全方位Mamba（EAMamba）框架，包含多头选择性扫描模块（MHSSM），并采用全方位扫描机制。MHSSM高效地聚合多个扫描序列，避免计算复杂度和参数数量的增加。全方位扫描策略实施多种扫描模式以捕获全局信息，并解决局部像素遗忘问题。我们的实验评估在包括超分辨率、去噪、去模糊和去雾等多个恢复任务上验证了这些创新。结果表明，EAMamba在保持优异性能的同时，相较于现有低层视觉Mamba方法，FLOPs减少了31%-89%。