Video-Snapshot-Komprimierte Bildgebung (SCI) ist eine neue Bildgebungstechnologie, die mit einem zweidimensionalen Detektor dreidimensionale Videodaten innerhalb einer einzigen Belichtungszeit erfasst und dann die ursprünglichen Videodaten mit einem geeigneten Algorithmus rekonstruiert. Obwohl viele aktuelle Algorithmen sehr gute Leistungen bei der Rekonstruktion von Video-SCI zeigen, erfordert die Verbesserung der Rekonstruktionsqualität oft eine Verringerung der Rekonstruktionsgeschwindigkeit, was die Echtzeitfähigkeit der Algorithmen stark einschränkt. Um eine Balance zwischen Rekonstruktionsqualität und -geschwindigkeit zu erreichen, wird in diesem Artikel eine auf Mamba-2 basierende End-to-End-Deep-Video-SCI-Rekonstruktionsmethode namens M2BA-SCI vorgeschlagen. Das M2BA-SCI-Netzwerk besteht aus einem Vorverarbeitungsmodul, einem Token-Erzeugungsblock, einem Mamba-Attentionsblock und einem Videorekonstruktionsblock, wobei der Mamba-Attentionsblock hauptsächlich aus einem Mamba-2 linearen Aufmerksamkeitsblock und einem Feedforward-Neuronalen Netz besteht. Umfangreiche Experimente an simulierten und realen Videodatensätzen zeigen, dass M2BA-SCI im Vergleich zu früheren Algorithmen ausgewogenere Ergebnisse erzielt, die Rekonstruktionsqualität verbessert und gleichzeitig eine schnelle Rekonstruktionsgeschwindigkeit beibehält. Im Standard-Graustufen-Videodatensatz beträgt der durchschnittliche PSNR 34,85, der durchschnittliche SSIM 0,966 und die Laufzeit 0,23 s. Im Standard-Farbvideodatensatz beträgt der durchschnittliche PSNR 36,21, der durchschnittliche SSIM 0,963 und die Laufzeit 1,03 s. M2BA-SCI bringt neue Ideen zur Video-SCI-Rekonstruktion und bietet eine Referenz für die Entwicklung von Algorithmen mit höherer Rekonstruktionsqualität basierend auf dem Mamba-Modell.

Video-Snapshot-Komprimierte Bildgebung; Komprimierte Abtastung; Mamba-2; Tiefes Lernen