MambaIRv2：注目式状态空间修复
图像与视频处理
2025-03-12 v2 计算机视觉与模式识别
机器学习
摘要
基于Mamba的图像修复骨干网络最近在在全局感受和计算效率之间取得了显著平衡。然而，Mamba固有的因果建模限制——即每个标记仅依赖于扫描序列中的前导标记——限制了完全利用图像中各像素的潜力，从而在图像修复中带来新挑战。本文提出MambaIRv2，使Mamba具备类似ViT的非因果建模能力，以实现注目式状态空间修复模型。具体而言，提出的注目式状态空间方程允许跨越扫描序列进行注意，仅通过一次扫描即可实现图像展开。此外，我们进一步引入语义引导的邻近机制，以鼓励来自不同位置但相似像素之间的相互作用。大量实验表明，MambaIRv2在轻量级超分辨率中甚至以9.3%更少的参数超过SRFormer高出0.35dB PSNR，并在经典SR任务中压制HAT高出0.29dB。代码已公开。
引用
@article{arxiv.2411.15269,
title = {MambaIRv2: Attentive State Space Restoration},
author = {Hang Guo and Yong Guo and Yaohua Zha and Yulun Zhang and Wenbo Li and Tao Dai and Shu-Tao Xia and Yawei Li},
journal= {arXiv preprint arXiv:2411.15269},
year = {2025}
}
备注
Accepted by CVPR2025