تقوم الطريقة التقليدية لـ Mamba البصرية (VIM) بتحويل صورة الفضاء ثنائي الأبعاد إلى مستوى أحادي البعد بشكل مباشر، وعلى الرغم من أن هذه الطريقة تمكن من الحصول على العلاقات طويلة المدى، إلا أنها تعطل في الوقت ذاته الهيكل المكاني المحلي للبكسلات المجاورة في المستوى ثنائي الأبعاد الأصلي، مما يجعل من الصعب التقاط التفاصيل المحلية. لذلك، تقدم هذه الورقة نموذجًا خفيف الوزن لتحسين الدقة الفائقة استنادًا إلى نموذج حالة الفضاء الشامل (PMambaIR)، وتقترح مجموعة بقايا حالة الفضاء الشامل ككتلة أساسية. تتضمن مجموعة بقايا حالة الفضاء الشامل بشكل رئيسي وحدتين مبتكرتين. على وجه التحديد، نقدم أولاً استراتيجية مسح متسلسلة جديدة لتعزيز التفاعل بين المعلومات المحلية، ومعلومات عبر المقاييس، والمعلومات العالمية، حيث تتيح التقاط المعلومات المحلية بفعالية مع الاحتفاظ بالاعتمادية العالمية من أجل استخراج الميزات الشاملة. ثانيًا، نقترح كتلة حالة فضاء مختلطة يمكنها التفاعل مع معلومات البكسل من خلال بُعدي الفضاء والقناة في الوقت ذاته، مما يحد من تأثير الميزات غير ذات الصلة على النموذج، وبالتالي يستخرج الارتباطات الكامنة بين معلومات القناة والمجال الفضائي. مقارنةً بالطرائق الأخرى على مجموعات البيانات القياسية مثل Set14 وUrban100، تظهر النتائج أن PSNR لنموذج PMambaIR يزيد بمعدل 0.11 ديسيبل في المتوسط. تثبت التحليلات الكمية والنوعية الموضوعية أن هذه الطريقة تتمتع بقيم PSNR وSSIM أعلى. بالإضافة إلى ذلك، تشير الصور التجريبية الذاتية إلى أن هذا الأسلوب يوفر تفاصيل غنية وتأثيرًا بصريًا ممتازًا.

تحسين الدقة الفائقة للصور; نموذج حالة الفضاء; نموذج خفيف الوزن; استراتيجية المسح المتسلسل