FourierMamba: 傅里叶学习与Mamba结合的图像去雨

文章预览

论文题目：FourierMamba: Fourier Learning Integration with State Space Models for Image Deraining 论文地址：https://arxiv.org/pdf/2405.19450 创新点 提出了一种在傅里叶空间中利用 Mamba（一种改进的结构化状态空间序列模型）来关联不同频率信息的方法。这种方法充分利用了傅里叶变换在图像去雨任务中的优势，通过频率域的全局特性来更好地分离图像内容和雨滴成分。 针对傅里叶空间中频率的特殊排列方式，设计了一种基于“之字形编码”的扫描方法，用于重新排列频率顺序，从而有序地关联低频和高频信息。这种方法解决了传统扫描方法在傅里叶空间中无法建立频率之间有序依赖性的问题。 提出了一种基于多尺度 U-Net 架构的 Fourier Residual State-Space Blocks (FRSSB)，通过堆叠多个模块来提取深层特征，进一步提升模型对不同尺度雨滴的处理能力。 方法 本文的主要研究方法 ………………………………