QMambaBSR：基于查询状态空间模型的突发图像超分辨率重建
计算机视觉与模式识别
2025-03-11 v2
摘要
突发超分辨率旨在通过融合多个突发低分辨率帧中的亚像素信息来重建具有更高质量和更丰富细节的高分辨率图像。在突发超分辨率中，关键挑战在于提取基础帧内容的互补亚像素细节，同时抑制高频噪声干扰。现有方法试图逐帧建模帧间关系来提取亚像素，同时忽略了多帧之间的相互关联并忽视了帧内交互，导致基础帧超分辨率的亚像素不准确且充满噪声。此外，现有方法主要采用具有固定参数的静态上采样来提高所有场景的空间分辨率，无法感知多帧间亚像素分布的差异，也不能平衡不同帧的融合权重，导致细节过度平滑和伪影。为了解决这些局限性，我们提出了一种新颖的查询 Mamba 突发超分辨率（QMambaBSR）网络，它融合了查询状态空间模型（QSSM）和自适应上采样模块（AdaUp）。具体而言，基于亚像素具有一致的空间分布而随机噪声分布不一致的观察，提出了一种新颖的 QSSM，通过帧间查询和帧内扫描高效提取亚像素，同时在一个步骤中抑制噪声干扰。此外，AdaUp 旨在根据不同突发场景中多帧亚像素信息的空间分布动态调整上采样核，从而促进高分辨率细节空间排列的重建。在四个流行的合成和真实世界基准数据集上的广泛实验表明，我们的方法达到了新的最先进性能。
引用
@article{arxiv.2408.08665,
title = {QMambaBSR: Burst Image Super-Resolution with Query State Space Model},
author = {Xin Di and Long Peng and Peizhe Xia and Wenbo Li and Renjing Pei and Yang Cao and Yang Wang and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:2408.08665},
year = {2025}
}
备注
Accepted by CVPR 2025