用于单图像去雾的 U 型 Vision Mamba

目前，Transformer 是图像去雾最流行的架构，但由于其计算复杂度较高，在资源受限的设备上处理长程依赖的能力受到限制。为了应对这一挑战，我们引入了 U 型 Vision Mamba (UVM-Net)，一种高效的单图像去雾网络。受以处理长序列能力著称的新型深度序列模型状态空间序列模型 (SSMs) 启发，我们设计了一个 Bi-SSM 模块，将卷积层的局部特征提取能力与 SSM 捕获长程依赖的能力相结合。大量实验结果证明了我们方法的有效性。我们的方法为图像去雾及其他图像恢复任务提供了一种更高效的长程依赖建模思路。代码网址为 \url{https://github.com/zzr-idam/UVM-Net}。在不包含 I/O 处理时间的情况下，我们的方法推断一张 $325 \times 325$ 分辨率的图像仅需 \textbf{0.009} 秒 (100FPS)。