WaMaIR：基于多尺度小波卷积和 Mamba 式通道建模的图像修复方法
计算机视觉与模式识别
2025-10-30 v2
摘要
图像修复是计算机视觉中的一个基本且具有挑战性的任务，CNN 架构显示出显著的计算效率。然而，先前的 CNN 方法常面临在充分恢复细节纹理方面受限，受限于 CNN 结构的小感受野以及缺乏通道特征建模。在本文中，我们提出 WaMaIR，一种具有大感受野的新型框架，用于图像感知并提高恢复图像中纹理细节的重建。具体而言，我们引入全局多尺度小波变换卷积 (GMWTConvs) 以扩大感受野，提取图像特征，同时保留和丰富模型输入中的纹理特征。此外，我们提出 Mamba 式通道感知模块 (MCAM)，专为捕获特征通道中的长程依赖而设计，增强模型对颜色、边缘和纹理信息的敏感性。 Additionally，我们提出多尺度纹理增强损失 (MTELoss)，用于指导模型有效保留详细纹理结构。大量实验表明，WaMaIR 在图像修复和模型计算性能方面均优于最先进的方法。
引用
@article{arxiv.2510.16765,
title = {WaMaIR: Image Restoration via Multiscale Wavelet Convolutions and Mamba-based Channel Modeling with Texture Enhancement},
author = {Shengyu Zhu and Congyi Fan and Fuxuan Zhang},
journal= {arXiv preprint arXiv:2510.16765},
year = {2025}
}
备注
Chinese Conference on Pattern Recognition and Computer Vision (PRCV), Oral