Core Concepts
MambaUIEは、効率的な状態空間モデルに基づいて、グローバルな文脈情報とローカルな詳細情報を統合することで、高精度な水中画像強化を実現する。
Abstract
本論文は、水中画像強化(UIE)のための新しいアーキテクチャMambaUIEを提案している。MambaUIEは、状態空間モデルに基づいており、効率性と精度の両立を目指している。
具体的には以下の3つの点が主な貢献である:
MambaをUIEタスクに初めて適用し、より効率的なUIEの新しいベンチマークを提供した。
Dynamic Interaction-Visual State Space Blockを設計し、グローバルな文脈情報とローカルな詳細情報を効果的に融合した。
Spatial Feed-Forward Networkを導入し、Mambaのローカルモデリング能力をさらに強化した。
実験結果では、MambaUIEがSOTA手法と比べて大幅に少ないGFLOPSで最高の性能を達成することを示した。これにより、UIEタスクにおける効率性と精度のトレードオフを打破することができた。
Stats
水中画像強化タスクでは、従来手法と比べて67.4%のGFLOPSを削減しながら最高の性能を達成した。
基準データセットT90において、最新のNU2Netと比べて3.001dBのPSNR向上と0.031のSSIM向上を実現した。
Quotes
"MambaUIEは、効率的な状態空間モデルに基づいて、グローバルな文脈情報とローカルな詳細情報を統合することで、高精度な水中画像強化を実現する。"
"MambaUIEは、SOTA手法と比べて大幅に少ないGFLOPSで最高の性能を達成することを示した。これにより、UIEタスクにおける効率性と精度のトレードオフを打破することができた。"