MBMamba：当记忆缓冲区遇上 Mamba 以实现结构感知图像去模糊
计算机视觉与模式识别
2025-12-02 v2
摘要
Mamba 架构已成为图像去模糊领域 CNN 和 Transformer 的一个有前景的替代方案。然而，其展平扫描策略常常导致局部像素遗忘和通道冗余，限制了其有效聚合 2D 空间信息的能力。尽管现有方法通过修改扫描策略或引入局部特征模块来缓解此问题，但这增加了计算复杂度并阻碍了实时性能。在本文中，我们提出了一种无需改变原始 Mamba 架构的结构感知图像去模糊网络。具体来说，我们设计了一种记忆缓冲区机制来保存历史信息以供后续融合，从而能够可靠地建模相邻特征之间的相关性。此外，我们引入了一个受 Ising 模型启发的正则化损失，该损失模拟了物理系统中像素间“相互吸引”的能量最小化过程，有助于保持图像结构和连贯性。在此基础上，我们开发了 MBMamba。实验结果表明，我们的方法在广泛使用的基准测试上优于最先进的方法。
引用
@article{arxiv.2508.12346,
title = {MBMamba: When Memory Buffer Meets Mamba for Structure-Aware Image Deblurring},
author = {Hu Gao and Xiaoning Lei and Xichen Xu and Depeng Dang and Lizhuang Ma},
journal= {arXiv preprint arXiv:2508.12346},
year = {2025}
}