轻量级图像超分辨率的一级时序模型
计算机视觉与模式识别
2025-10-20 v2
摘要
时序模型(SSM)，特别是Mamba，在NLP任务中显示出前景，并且越来越多地被应用于视觉任务。然而，大多数基于Mamba的视觉模型都关注网络架构和扫描路径，对SSM模块的注意力有限。为了探索SSM的潜力，我们修改了SSM的计算过程而不增加参数数量，以提高在轻量级超分辨率任务上的性能。在本文中，我们引入一级时序模型 (FSSM) 以改进原始Mamba模块，通过包含token相关性来增强性能。我们在SSM中应用一级保持条件，推导新的离散化形式，并分析累积误差。大量实验结果表明，FSSM在不额外增加参数数量的情况下提高了MambaIR的性能，并在五个基准数据集上超越当前轻量级超分辨方法，实现了最先进的结果。
引用
@article{arxiv.2509.08458,
title = {First-order State Space Model for Lightweight Image Super-resolution},
author = {Yujie Zhu and Xinyi Zhang and Yekai Lu and Guang Yang and Faming Fang and Guixu Zhang},
journal= {arXiv preprint arXiv:2509.08458},
year = {2025}
}
备注
Accept by ICASSP 2025 (Oral)