論文の概要: MBMamba: When Memory Buffer Meets Mamba for Structure-Aware Image Deblurring

• arxiv url: http://arxiv.org/abs/2508.12346v1
• Date: Sun, 17 Aug 2025 12:33:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.69563
• Title: MBMamba: When Memory Buffer Meets Mamba for Structure-Aware Image Deblurring
• Title（参考訳）: MBMamba: メモリバッファが構造認識による画像劣化のためにMambaと出会うとき
• Authors: Hu Gao, Depeng Dang,
• Abstract要約: 本稿では,元のMambaアーキテクチャを変更することなく,構造を意識した画像デブロアリングネットワークを提案する。 具体的には、後続核融合のための履歴情報を保存するためのメモリバッファ機構を設計する。 画素間の物理系の「ミューチュアルアトラクション」のエネルギー最小化をシミュレートするIsingにインスパイアされた正規化損失を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Mamba architecture has emerged as a promising alternative to CNNs and Transformers for image deblurring. However, its flatten-and-scan strategy often results in local pixel forgetting and channel redundancy, limiting its ability to effectively aggregate 2D spatial information. Although existing methods mitigate this by modifying the scan strategy or incorporating local feature modules, it increase computational complexity and hinder real-time performance. In this paper, we propose a structure-aware image deblurring network without changing the original Mamba architecture. Specifically, we design a memory buffer mechanism to preserve historical information for later fusion, enabling reliable modeling of relevance between adjacent features. Additionally, we introduce an Ising-inspired regularization loss that simulates the energy minimization of the physical system's "mutual attraction" between pixels, helping to maintain image structure and coherence. Building on this, we develop MBMamba. Experimental results show that our method outperforms state-of-the-art approaches on widely used benchmarks.
• Abstract（参考訳）: Mambaアーキテクチャは、画像の劣化に対してCNNやTransformerに代わる有望な選択肢として登場した。 しかし、そのフラット・アンド・スキャン戦略は、しばしば局所的な画素の忘れとチャネルの冗長性をもたらし、2次元空間情報を効果的に集約する能力を制限する。 既存の手法では、スキャン戦略を変更したり、ローカル機能モジュールを組み込んだりすることで、これを緩和するが、計算の複雑さを増大させ、リアルタイムのパフォーマンスを阻害する。 本稿では,元のMambaアーキテクチャを変更することなく,構造を意識した画像デブロアリングネットワークを提案する。 具体的には、メモリバッファ機構を設計し、後続の融合のための履歴情報を保存し、隣り合う特徴間の関連性の信頼性の高いモデリングを可能にする。 さらに,画素間の物理系の「相互アトラクション」のエネルギー最小化をシミュレートし,画像構造とコヒーレンスを維持するIsingにインスパイアされた正規化損失を導入する。 そこで我々はMBMambaを開発した。 実験結果から,本手法は広く使用されているベンチマークにおいて,最先端の手法よりも優れていることがわかった。

関連論文リスト

• Laplace-Mamba: Laplace Frequency Prior-Guided Mamba-CNN Fusion Network for Image Dehazing [25.05616740190157]
  Laplace-Mambaは、Laplaceの周波数とハイブリッドのMamba-CNNアーキテクチャを統合し、効率的な画像デハージングを実現する新しいフレームワークである。 本手法は, 修復の質と効率の両面において, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-07-01T07:15:26Z)
• DefMamba: Deformable Visual State Space Model [65.50381013020248]
  我々はDefMambaと呼ばれる新しい視覚基盤モデルを提案する。 変形性スキャン(DS)戦略を組み合わせることで、画像構造を学習し、オブジェクトの細部の変化を検出する能力を大幅に向上する。 多くの実験により、DefMambaは様々な視覚的タスクで最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2025-04-08T08:22:54Z)
• MatIR: A Hybrid Mamba-Transformer Image Restoration Model [95.17418386046054]
  そこで我々は,MatIRと呼ばれるMamba-Transformerハイブリッド画像復元モデルを提案する。 MatIRはTransformer層とMamba層のブロックをクロスサイクルして特徴を抽出する。 Mambaモジュールでは、4つのスキャンパスに沿って横断するImage Inpainting State Space (IRSS)モジュールを導入する。
  論文  参考訳（メタデータ） (2025-01-30T14:55:40Z)
• Detail Matters: Mamba-Inspired Joint Unfolding Network for Snapshot Spectral Compressive Imaging [40.80197280147993]
  本研究では,HSI再建の非線形および不適切な特徴を克服するために,マンバインスパイアされたジョイント・アンフォールディング・ネットワーク(MiJUN)を提案する。 本稿では,初期最適化段階への依存を減らすために,高速化された展開ネットワーク方式を提案する。 テンソルモード-$k$展開をMambaネットワークに統合することにより,Mambaによる走査戦略を洗練する。
  論文  参考訳（メタデータ） (2025-01-02T13:56:23Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• EPNet: An Efficient Pyramid Network for Enhanced Single-Image Super-Resolution with Reduced Computational Requirements [12.439807086123983]
  シングルイメージ超解像(SISR)は、ディープラーニングの統合によって大幅に進歩した。 本稿では,エッジ分割ピラミッドモジュール (ESPM) とパノラマ特徴抽出モジュール (PFEM) を調和して結合し,既存の手法の限界を克服する,EPNet (Efficient Pyramid Network) を提案する。
  論文  参考訳（メタデータ） (2023-12-20T19:56:53Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。