MambaX：基于状态预测控制的图像超分辨率方法
计算机视觉与模式识别
2025-11-25 v1
摘要
图像超分辨率（SR）是一种克服传感器固有硬件限制的关键技术。然而，现有方法主要 focus on 直接提升最终分辨率，往往忽略对中间阶段误差传播和累积的有效控制。最近，Mamba 作为一种能够将整个重建过程表示为具有多个节点的状态序列，从而允许在中间阶段进行干预的有前景的 method，已逐渐受到关注。然而，其固定线性映射受限于较窄的感受野和受限的灵活性，这在细粒度图像中削弱了其效果。为此，我们构建了一个非线性状态预测控制模型 \textbf{MambaX}，将连续光谱波段映射到潜在状态空间，通过动态学习控制方程的非线性状态参数来概括 SR 任务。与现有序列模型相比，MambaX 1) 采用动态状态预测控制学习来逼近状态空间模型的非线性微分系数；2) 引入一种新颖的状态交叉控制范式用于多模态 SR 融合；3) 利用渐进式过渡学习来缓解由域迁移和模态迁移导致的异质性。我们的评估表明，动态光谱-状态表示模型在单张图像 SR 和基于多模态融合的 SR 任务中均表现出优越性能，凸显了其在任意维度和模态上实现光谱广义建模的巨大潜力。
引用
@article{arxiv.2511.18028,
title = {MambaX: Image Super-Resolution with State Predictive Control},
author = {Chenyu Li and Danfeng Hong and Bing Zhang and Zhaojie Pan and Naoto Yokoya and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2511.18028},
year = {2025}
}