Традиционный визуальный метод Mamba (VIM) напрямую переводит двумерное изображение в одномерную плоскость. Хотя этот подход позволяет получить дальние зависимости, он одновременно нарушает локальную пространственную структуру соседних пикселей в исходной двумерной плоскости, что затрудняет захват локальных деталей. В данной работе представлен облегчённый сверхразрешающий моделирующий подход на основе пространственной модели состояния во всех направлениях (PMambaIR), и предложена остаточная пространственная группа в качестве ключевого блока. Остаточная пространственная группа включает два инновационных модуля. В частности, мы сначала вводим новую стратегию каскадного сканирования для стимулирования взаимодействия локальной информации, информации между масштабами и глобальной информации, что позволяет эффективно захватывать локальную информацию при сохранении глобальной зависимости, реализуя всестороннее извлечение признаков. Далее предлагается гибридный блок пространственного состояния, который одновременно моделирует взаимодействие информации пикселей по пространственному и канальному измерениям, ограничивая влияние нерелевантных признаков на модель, тем самым выявляя потенциальную корреляцию каналов и пространственной глобальной информации. Сравнение с другими методами на эталонных наборах данных, таких как Set14 и Urban100, показывает, что PSNR PMambaIR в среднем выше на 0,11 дБ. Объективный количественный и качественный анализ подтверждает более высокие показатели PSNR и SSIM данного метода. Субъективные результаты показывают, что метод предоставляет богатые детали и визуальные эффекты.

сверхразрешение изображений; модель пространственного состояния; облегчённая модель; стратегия каскадного сканирования