题目：Exchange（交换） Wave-Mamba: Wavelet State Space Model（小波状态空间模型）for Ultra-High-Definition（超高清）Low-Light Image Enhancement（弱光图像增强）

论文：arxiv.org/pdf/2408.01276

源码：AlexZou14/Wave-Mamba: ACMMM2024: Wave-Mamba: Wavelet State Space Model for Ultra-High-Definition Low-Light Image Enhancement

一、摘要

研究背景：超高清（UHD）技术以其卓越的视觉质量受到广泛关注，但它也给弱光图像增强（LLIE）技术带来了新的挑战。

研究问题：UHD图像本身具有较高的计算复杂度，导致现有的UHD LLIE方法采用高倍下采样来降低计算成本，而这又导致了信息丢失。

动机/启发：小波变换不仅允许在不丢失信息的情况下进行下采样，而且还将图像内容与噪声分离。该方法使状态空间模型在建模长序列时不受噪声的影响，充分利用了状态空间模型的长序列建模能力。

在此基础上，本文提出了一种新的Wave-Mamba 图像去噪方法，基于小波域两个关键思想：

• 1）图像的大部分内容信息存在于低频分量，而高频分量的信息较少。
• 2）高频成分对弱光增强的结果影响最小。

主要工作：

1）为了有效地对 UHD 图像的全局内容信息进行建模，提出了一种 低频状态空间块（LFSSBlock），该模块通过 对SSM的改进 来集中 恢复低频子带 的信息。

2）此外，提出了一种 高频子带信息的高频增强块（HFEBlock），利用 增强后的低频信息对高频信息进行校正 ，有效地恢复出正确的高频细节。

实验效果：通过综合评估，我们的方法表现出了上级的性能，在保持更精简的架构的同时，显著超越了当前的领先技术。

二、方法

Wave-Mamba 的主要架构，如下图所示：

Wave-Mamba 是使用多尺度 UNet 结构构建的，选用DWT下采样。

提出一个有效的 Mamba 架构来创建一个低频状态空间模块（LFSSBlock），目标是信息丰富的低频分量。 

提出了一种高频增强模块（HFEBlock），利用 增强的低频分量来校正高频信息，确保网络准确捕获高频纹理信息。

HFEBlock有两个输入一个同层的经过 SKFF 模块增强的下采样特征，另一个是下一层经过 LFSS 模块进行低频增强的下采样特征。

选择性核特征融合（SKFF）相当于 SKNet 中 SK 模块，这里直接引用。

最后，使用元素求和来获得高质量（HQ）输出图像𝐼ℎ𝑖𝑔ℎ。

A. Low-Frequency State Space Block（低频 状态空间 模块）

组成：LFSS模块主要由一个VSSM（视觉状态空间）模块和一个GFFN（门前馈网络）组成。

式中，VSSM(·) 为VSSM函数，GFFN(·) 为GFFN函数。LN(·) 表示层归一化操作。Z代表 LFSS模块 的中间隐变量。β 和 γ 表示可学习的比例因子。