비디오 스냅샷 압축 이미징(SCI)은 단일 노출 시간 동안 2차원 검출기를 사용하여 3차원 비디오 데이터를 캡처한 후, 적절한 알고리즘을 사용해 원본 비디오 데이터를 재구성하는 새로운 영상 기술입니다. 현재 많은 알고리즘이 비디오 SCI 재구성 작업에서 우수한 성능을 보이고 있지만, 재구성 품질 향상은 대개 재구성 속도를 희생해야 하므로 알고리즘의 실시간성이 크게 저하됩니다. 재구성 품질과 속도 간 균형을 맞추기 위해 본 논문에서는 Mamba-2 기반의 엔드 투 엔드 딥 비디오 SCI 재구성 방법인 M2BA-SCI를 제안합니다. M2BA-SCI 네트워크는 전처리 모듈, 토큰 생성 블록, Mamba 어텐션 블록, 비디오 재구성 블록으로 구성되며, Mamba 어텐션 블록은 주로 Mamba-2 선형 어텐션 블록과 피드포워드 신경망으로 구성됩니다. 시뮬레이션 및 실제 비디오 데이터셋에서의 다수 실험 결과, M2BA-SCI는 기존 알고리즘 대비 더 균형 잡힌 성능을 보여주었으며, 재구성 품질 향상과 동시에 빠른 재구성 속도를 유지했습니다. 기준 그레이스케일 비디오 데이터셋에서 평균 PSNR은 34.85, 평균 SSIM은 0.966, 실행 시간은 0.23초입니다. 기준 컬러 비디오 데이터셋에서 평균 PSNR은 36.21, 평균 SSIM은 0.963, 실행 시간은 1.03초입니다. M2BA-SCI는 비디오 SCI 재구성에 새로운 아이디어를 제시하며, Mamba 모델 기반 고품질 재구성 알고리즘 설계에 참고가 됩니다.

비디오 스냅샷 압축 이미징; 압축 센싱; Mamba-2; 딥러닝