ビデオスナップショット圧縮イメージング（SCI）は、単一の露光時間内に2次元検出器を使用して3次元のビデオデータをキャプチャし、適切なアルゴリズムで元のビデオデータを再構成する新しいイメージング技術です。現在の多くのアルゴリズムはビデオSCIの再構成タスクにおいて非常に優れた性能を示していますが、再構成品質の向上は往々にして再構成速度の低下を伴い、リアルタイム性能が大幅に低下します。再構成品質と速度の両立を図るため、本論文ではMamba-2に基づくエンドツーエンドの深層ビデオSCI再構成手法であるM2BA-SCIを提案します。M2BA-SCIネットワークは前処理モジュール、トークン生成ブロック、Mamba注意ブロック、ビデオ再構成ブロックで構成され、Mamba注意ブロックは主にMamba-2線形注意ブロックと前方フィードニューラルネットワークから成ります。シミュレーションおよび実際のビデオデータセットにおける多数の実験により、M2BA-SCIは従来のアルゴリズムと比較してよりバランスの取れた効果を達成し、再構成品質を向上させつつ高速な再構成速度を維持することが示されました。標準的なグレースケールビデオデータセットでは平均PSNRが34.85、平均SSIMが0.966、実行時間が0.23秒でした。標準的なカラービデオデータセットでは平均PSNRが36.21、平均SSIMが0.963、実行時間が1.03秒でした。M2BA-SCIはビデオSCI再構成に新しい視点をもたらし、Mambaモデルに基づくより高品質な再構成アルゴリズム設計の参考となります。

ビデオスナップショット圧縮イメージング;圧縮センシング;Mamba-2;深層学習