Retinexmamba：基于 Retinex 的 Mamba 低光图像增强
内容提要
该研究提出了名为 MambaIR 的新模型，结合卷积和通道注意力，显著提升了图像恢复性能。实验证明其在医学图像重建和多模态图像融合任务中表现优越，超越了现有技术。文章回顾了 Mamba 模型的应用，并提供了未来研究方向。
延伸解读
MambaIR 的性能提升与设计思路
MambaIR 通过引入残差状态空间块，结合卷积和通道注意力，增强了原始 Mamba 的能力。实验表明，在相似计算成本下，MambaIR 比基于 Transformer 的 SwinIR 在图像恢复任务上提升了 0.36dB，且具备全局感受野。这显示了 Mamba 在图像恢复领域的潜力，为后续研究提供了简单而强大的基准。
Mamba 在医学图像重建中的进展
MambaMIR 及其 GAN 变体利用 Mamba 的线性复杂度、全局感受野和动态权重，通过任意掩码机制适应图像重建任务，并提供蒙特卡洛不确定性估计。在快速 MRI 和 SVCT 等任务中，它们取得了与最先进方法相媲美甚至更好的结果，同时能输出重建质量的不确定性图，增强了可靠性。
多模态图像融合中的 Mamba 应用
FusionMamba 通过双 U 型网络结合 Mamba 块，高效提取空间和光谱特征，降低通道冗余并增强局部细节，在 CT-MRI、PET-MRI、SPECT-MRI、红外-可见光及生物医学图像融合任务中展现出泛化能力。ReMamber 则整合多模态 Mamba Twister 块，通过通道和空间扭曲机制融合文本与视觉特征，在多个基准上取得最新成果。
综述与未来方向
相关综述回顾了 Mamba 模型的起源和核心见解，并将其应用于图像、视频、点云、多模态等不同层次的视觉任务。文章对各类应用进行了分类和组织，指出了当前挑战并展望了未来研究方向，旨在推动 Mamba 在计算机视觉领域的进一步应用。
Q&A
MambaIR模型的主要特点是什么？
MambaIR模型结合了卷积和通道注意力，显著提升了图像恢复性能。
MambaIR在医学图像重建中的表现如何？
MambaIR在医学图像重建任务中表现优越，超越了现有技术。
FusionMamba方法的优势是什么？
FusionMamba通过动态特征增强，具有良好的泛化能力，适用于多模式医学图像融合任务。
Mamba模型在计算机视觉领域的应用有哪些？
Mamba模型广泛应用于不同层次的视觉任务，包括图像、视频和多模态数据处理。
MambaMIR-GAN与MambaMIR的区别是什么？
MambaMIR-GAN是MambaMIR的生成对抗网络变体，利用创新的任意掩码机制适应图像重建任务。
ReMamber架构的创新点是什么？
ReMamber架构整合了Mamba的能力与多模态特征，通过通道和空间扭曲机制融合文本和视觉特征。
