扫描簇而非像素：面向高效超高清图像恢复的簇中心范式
计算机视觉与模式识别
2026-03-26 v2
摘要
超高清（UHD）图像恢复陷入了可扩展性危机：现有模型受限于像素级操作，要求计算资源不可持续。虽然状态空间模型（SSMs）如 Mamba 承诺线性复杂度，但其像素串行扫描仍是数百万像素 UHD 内容的根本瓶颈。我们提出了 CSSM，一种视觉状态空间模型，通过从像素串行转为簇串行扫描打破这一禁忌。我们的核心发现是，UHD 图像的丰富特征分布可通过神经参数化混合模型提炼为稀疏的语义质心。CSSM 利用此机制将全局建模重新表述为 novel dual-path 过程：它扫描并推理少数簇心，然后通过原则相似度分布将全局上下文扩散回所有像素，同时通过轻量调制器保留细节。该簇中心范式在五项 UHD 恢复任务中实现计算成本的决定性削减，同时树立了新的 state-of-the-art 成绩。不仅是解决方案，CSSM 为高效大规模视觉任务开辟了新道路：扫描簇，而非像素。
引用
@article{arxiv.2602.21917,
title = {Scan Clusters, Not Pixels: A Cluster-Centric Paradigm for Efficient Ultra-high-definition Image Restoration},
author = {Chen Wu and Ling Wang and Zhuoran Zheng and Yuning Cui and Zhixiong Yang and Xiangyu Chen and Yue Zhang and Weidong Jiang and Jingyuan Xia},
journal= {arXiv preprint arXiv:2602.21917},
year = {2026}
}
备注
Aceepted by CVPR26