従来の視覚的Mamba（VIM）手法は、2次元空間画像を直接1次元平面に平坦化します。この方法は長距離依存関係を取得できますが、同時に元の2次元平面における隣接ピクセルの局所空間構造を乱し、局所的な詳細を捉えることができません。これに対して、本論文では全方位状態空間軽量超解像モデル（PMambaIR）を導入し、残差全方位空間群をコアブロックとして提案します。残差全方位空間群は主に2つの革新的モジュールを含みます。具体的には、まず新しいカスケードスキャン戦略を導入し、局所情報、マルチスケール情報、およびグローバル情報の相互作用を促進し、グローバル依存関係を保持しつつ局所情報を効果的に捉え、全方位特徴抽出を実現します。次に、混合状態空間ブロックを提案し、このモジュールは空間次元とチャネル次元の両方で同時にピクセル情報を相互モデリングし、無関係な特徴がモデルに与える影響を制限し、チャネルと空間の全域情報の潜在的関連性を掘り起こします。Set14やUrban100などのベンチマークデータセットで他の方法と比較した結果、PMambaIRは既存モデルより平均でPSNRが0.11dB向上しました。定量的および定性的な客観分析により、この方法はより高いPSNRおよびSSIMを持つことが検証されました。主観的な実験画像は、この手法が豊富な細部と視覚効果を持つことを示しています。

画像超解像;状態空間モデル;軽量モデル;カスケードスキャン戦略