RASLF：面向光场超分辨率的表示感知状态空间模型
计算机视觉与模式识别
2026-03-18 v1 人工智能
摘要
当前基于状态空间模型(SSM)的光场超分辨率(LFSR)方法往往未能充分利用不同光场表示之间的互补性，导致细微纹理丢失和视角间几何错位。为此，我们提出了RASLF——一种面向表示感知的状态空间框架，显式建模跨多种光场表示的结构相关性。具体而言，我们设计了渐进几何细化(Progressive Geometric Refinement, PGR)模块，通过全景极线表示显式编码多视角视差差异，从而实现跨不同光场表示的特征集成。进一步，我们引入表示感知不对称扫描(R Representation-Aware Asymmetric Scanning, RAAS)机制，依据不同表示空间的物理属性动态调整扫描路径，通过路径修剪优化性能与效率之间的平衡。此外，双锚聚合(Dual-Anchor Aggregation, DAA)模块改进了层次特征流，减少冗余深度特征，优先保留重要的重建信息。在多个公开基准测试上实验表明，RASLF在保持高计算效率的同时，实现了最高的重建精度。
引用
@article{arxiv.2603.16243,
title = {RASLF: Representation-Aware State Space Model for Light Field Super-Resolution},
author = {Zeqiang Wei and Kai Jin and Kuan Song and Xiuzhuang Zhou and Wenlong Chen and Min Xu},
journal= {arXiv preprint arXiv:2603.16243},
year = {2026}
}
备注
10 pages, 5 figures