本研究提出了SDI-Net模型，通过设计跨视图充分交互模块（CSIM），解决了低光照图像增强方法仅考虑单一视图信息而忽视跨视图关联的问题。该模型显著提升了低光立体图像的增强效果，并在公共数据集上验证了其优越性。

该文章介绍了基于状态空间模型的方法在医学图像分割中的优势，提出了一种名为Vision Mamba-UNetV2的方法，通过引入VSS块和SDI来捕捉上下文信息和增强特征融合，实验结果表明该方法在医学图像分割任务中表现出竞争力。

该文章介绍了基于状态空间模型的方法在医学图像分割中的优势，提出了一种名为Vision Mamba-UNetV2的方法，通过引入VSS块和SDI来捕捉上下文信息和增强特征融合。实验证明该方法在医学图像分割任务中表现出竞争力。

该文章介绍了基于状态空间模型的方法在医学图像分割中的优势，提出了一种名为Vision Mamba-UNetV2的方法，通过引入VSS块和SDI来捕捉上下文信息和增强特征融合，实验结果表明其在医学图像分割任务中表现出竞争力。

该文章介绍了基于状态空间模型的方法在医学图像分割中的优势，提出了一种名为Vision Mamba-UNetV2的方法，通过引入VSS块和SDI来捕捉上下文信息和增强特征融合，实验结果表明其在医学图像分割任务中表现出竞争力。