本文介绍了一种新的光场超分辨率方法LFMamba，利用状态空间模型（SSM）和选择性扫描机制（S6）有效建模4D光场特征。该方法通过设计基本的SSM块，提升了空间和角度信息的学习能力，实验结果显示其在光场基准测试中表现优异，具有良好的泛化能力。

本文介绍了基于状态空间模型（SSM）和选择性扫描机制（S6）的视觉模型，如Vim、LFMamba和ViM，这些模型在图像分类、目标检测和超分辨率等任务中表现出色，尤其在处理长距离依赖和复杂场景时，展现了更高的计算和内存效率。