（iccv2025）mamba视频超分新突破，涨点起飞

主要观点总结

该论文介绍了一种名为VSRM的鲁棒Mamba基于框架的视频超分辨率图像方法。该论文首次将Mamba应用于视频超分辨率（VSR）任务，并突出了其线性复杂度和大感受野的优势。论文提出了Dual Aggregation Mamba Block（DAMB）模块设计，包括Spatial-to-Temporal Mamba Block (S2TMB)和Temporal-to-Spatial Mamba Block (T2SMB)，以高效处理长序列视频。此外，论文还介绍了Deformable Cross-Mamba Alignment（DCA）机制和Frequency Charbonnier-like Loss（FCL）的创新点，旨在解决物体运动导致的错位问题并提升图像的感知质量。整个架构包括特征提取与时空融合模块和重建与上采样模块。实验结果表明，VSRM在细节恢复和高频信息重建上显著优于现有方法。

关键观点总结

关键观点1: 首次将Mamba应用于视频超分辨率任务。

论文提出了一种新的框架VSRM，将Mamba模型应用于视频超分辨率任务，具有线性复杂度和大感受野的优势。

关键观点2: 提出Dual Aggregation Mamba Block（DAMB）模块设计。

为了高效处理长序列视频，论文提出了DAMB模块，包括S2TMB和T2SMB两个方向的扫描模块，增强对长程时空依赖的建模能力。

关键观点3: 提出Deformable Cross-Mamba Alignment（DCA）机制。

为解决物体运动导致的错位问题，论文引入了DCA机制，通过光流估计和可变形窗口提取对齐参考区域，实现基于动态参考点的隐式对齐。

关键观点4: 提出Frequency Charbonnier-like Loss（FCL）。

针对传统像素损失难以保留图像高频细节的问题，论文创新地在傅里叶频域中计算Charbonnier-like损失，以显著提升图像的感知质量和高频恢复效果。

关键观点5: 实验验证。

论文进行了多项实验验证，包括Mamba模块有效性、DCA对齐模块有效性、T2SMB模块作用、TGFN模块对比、FCL频域损失作用以及模型复杂度对比等。实验结果表明，VSRM在细节恢复和高频信息重建上显著优于现有方法。

免责声明