PixMamba：在双层架构中利用状态空间模型进行水下图像增强
计算机视觉与模式识别
2024-06-13 v1
摘要
水下图像增强（UIE）对于海洋研究和探索至关重要，但受到复杂颜色失真和严重模糊的阻碍。近年来基于深度学习的方法取得了显著成果，然而这些方法在处理高计算成本和全局建模不足方面存在困难，导致局部区域出现欠增强或过增强。我们提出了PixMamba，一种新颖的架构，旨在通过利用状态空间模型（SSM）进行高效的全局依赖建模来克服这些挑战。与感受野有限的卷积神经网络（CNN）和计算成本高的Transformer网络不同，PixMamba在保持计算效率的同时，有效地捕获了全局上下文信息。我们的双层策略包括用于重建增强图像特征的patch级高效Mamba网络（EMNet）和用于确保增强图像精细特征捕获和全局一致性的像素级PixMamba网络（PixNet），这些是以前难以获得的。PixMamba在各种水下图像数据集上实现了最先进的性能，并提供了视觉上更优的结果。代码可在 https://github.com/weitunglin/pixmamba 获取。
引用
@article{arxiv.2406.08444,
title = {PixMamba: Leveraging State Space Models in a Dual-Level Architecture for Underwater Image Enhancement},
author = {Wei-Tung Lin and Yong-Xiang Lin and Jyun-Wei Chen and Kai-Lung Hua},
journal= {arXiv preprint arXiv:2406.08444},
year = {2024}
}