Core Concepts
MambaUIE는 효율적인 상태 공간 모델 기반 아키텍처를 통해 매우 적은 연산량으로도 높은 정확도의 수중 이미지 향상을 달성한다.
Abstract
이 논문은 수중 이미지 향상을 위한 새로운 모델 MambaUIE를 제안한다. MambaUIE는 상태 공간 모델 기반의 효율적인 아키텍처를 사용하여 기존 방법들에 비해 매우 적은 연산량(2.8 GFLOPs)으로도 우수한 성능을 달성한다.
구체적으로 MambaUIE는 다음과 같은 핵심 구성 요소를 가진다:
동적 상호작용-시각 상태 공간 블록(DI-VSS): 이 블록은 전역적 특징과 지역적 특징을 모두 효과적으로 학습할 수 있다. VSS 블록은 전역 정보를 모델링하고, 병렬 컨볼루션 모듈은 지역 정보를 보완한다. DI 블록은 두 브랜치 간 특징을 적응적으로 융합한다.
공간 피드포워드 네트워크(SGFN): 이 모듈은 MambaUIE의 지역 모델링 능력을 추가로 향상시킨다.
실험 결과, MambaUIE는 UIEB 데이터셋에서 기존 최신 방법 대비 PSNR 3.001dB, SSIM 0.031 향상을 달성하면서도 연산량은 67.4% 감소시켰다. 이는 MambaUIE가 수중 이미지 향상 분야에서 효율성과 정확성의 균형을 잘 달성했음을 보여준다.
Stats
수중 이미지 향상 분야에서 MambaUIE는 기존 최신 방법 대비 PSNR 25.42dB, SSIM 0.954를 달성하여 3.001dB와 0.031의 성능 향상을 보였다.
MambaUIE의 연산량은 2.715 GFLOPs로 기존 최신 방법 대비 67.4% 감소하였다.
Quotes
"MambaUIE는 효율적인 상태 공간 모델 기반 아키텍처를 통해 매우 적은 연산량으로도 높은 정확도의 수중 이미지 향상을 달성한다."
"MambaUIE는 UIEB 데이터셋에서 기존 최신 방법 대비 PSNR 3.001dB, SSIM 0.031 향상을 달성하면서도 연산량은 67.4% 감소시켰다."