選択的状態空間モデルに基づく視覚アーキテクチャMambaは、選択的なスキャンと状態更新メカニズムにより、線形複雑度で長距離依存関係をモデル化でき、リモートセンシング画像の超解像において、全体的な表現力と計算効率を兼ね備えた新しいアプローチを提供します。本論文では、Mambaに基づく超解像の理論的基盤と方法論の枠組みを体系的に整理し、代表的な研究を四つの改良方向に分類しました：周波数領域のモデリングとスペクトル強化、構造融合と注意力強化、クロスモーダルおよびマルチソースモデリング、軽量化および再パラメータ化。統一された合成劣化評価設定の下で、AID、DIOR、UCAS_AODなどのデータセットを組み合わせ、代表的な手法の再構成性能、知覚品質および適用特性を比較分析しました。結果は、Mambaシリーズの手法が構造的連続性維持、幾何学的一貫性の復元、および偽テクスチャ抑制において強い潜在能力を示し、複数データセット間の比較において良好な再構成性能を発揮することを示しています。最後に、本論文では実際の劣化、クロスドメイン一般化および再現可能なベンチマークなどの課題と動向について議論し、今後の研究および応用に対する参考を提供します。

リモートセンシング画像;超解像再構成;視覚状態空間モデル;Mamba;周波数領域強化;クロスモーダル融合;軽量化