PRE-Mamba：用于超高频事件相机去雨的4D状态空间模型

事件相机在高时序分辨率和动态范围方面表现优异，但在雨天条件下会出现稠密噪声。现有的事件去雨方法在时序精度、去雨效果和计算效率之间存在权衡。本文提出PRE-Mamba，一种新颖的基于点的事件相机去雨框架，充分利用原始事件和雨滴的时空特征。我们的框架引入4维事件云表示，集成双时序尺度以保持高时序精度；提出时空解耦融合模块（STDF），通过使时序和空间信息进行浅层解耦和交互来增强去雨能力；以及多尺度状态空间模型（MS3M），在双时序和多空间尺度上捕获更深入的雨 dynamics，同时保持线性计算复杂度。借助频域正则化，PRE-Mamba在EventRain-27K数据集上实现卓越性能（0.95 SR, 0.91 NR, 0.4s/M events），仅需0.26M参数。此外，该方法在不同雨强度、视角以及寒雪条件下均表现出良好的泛化能力。