GPSMamba:面向红外图像超分的全局相位与频谱提示引导 Mamba
计算机视觉与模式识别
2025-08-13 v3
摘要
红外图像超分辨率(IRSR)受困于红外数据低对比度与稀疏纹理的特性,需要稳健的长程建模以维持全局一致性。尽管像 Mamba 这类状态空间模型在长程依赖建模上表现突出,但其固有的 1D 因果扫描机制会割裂二维图像的全局上下文,阻碍细节的精细复原。为此,我们提出全局相位与频谱提示引导 Mamba(GPSMamba),一个将架构引导与非因果监督相结合的框架。首先,我们设计的自适应语义-频谱状态空间模块(ASF-SSM)将融合后的语义-频谱提示直接注入 Mamba 块,整合非局部上下文以指导重建。其次,一种新颖的热-频谱注意力与相位一致性损失提供显式的非因果监督,以强制全局结构与频谱保真度。通过结合这两项创新,我们的工作提出了一套系统化的策略来缓解因果建模的局限。大量实验表明,GPSMamba 取得了 state-of-the-art 的性能,验证了该方法作为红外图像复原领域强大新范式的有效性。代码已开源:https://github.com/yongsongH/GPSMamba。
引用
@article{arxiv.2507.18998,
title = {GPSMamba: A Global Phase and Spectral Prompt-guided Mamba for Infrared Image Super-Resolution},
author = {Yongsong Huang and Tomo Miyazaki and Xiaofeng Liu and Shinichiro Omachi},
journal= {arXiv preprint arXiv:2507.18998},
year = {2025}
}
备注
This manuscript is under review, and copyright will be transferred without notice