本文介绍了基于Mamba模型的图像处理方法，包括自回归全方位感知生成网络（AOG-Net）和Dream360框架，旨在提升360度图像的生成和扩充质量。这些方法在多个数据集上表现优异，具有良好的定制化和灵活性，推动了计算机视觉的发展。

提出了一种基于变换器的 360 图像扩充框架 Dream360，可以从用户选择的视口生成多样、高保真、高分辨率的全景图，考虑了 360 图像的球面特性，并通过两个关键学习阶段（基于 Spherical-VQGAN 的编码本全景扩充和新颖的频率感知细化）实现了更大的扩充灵活性和保真度。