선택적 상태 공간 모델을 기반으로 하는 시각적 구조 Mamba는 선택적 스캔 및 상태 업데이트 메커니즘을 통해 선형 복잡도 하에서 장기 의존성을 모델링할 수 있어, 원격 감지 이미지 초해상도를 위한 전역 표현과 계산 효율성을 동시에 고려하는 새로운 경로를 제공합니다. 본 논문에서는 Mamba 기반 초해상도 이론적 기초와 방법 프레임워크를 체계적으로 정리하고, 대표적인 연구들을 네 가지 개선 방향으로 분류하였습니다: 주파수 영역 모델링 및 스펙트럼 강화, 구조 융합 및 주의력 향상, 교차 모달 및 다중 소스 모델링, 경량화 및 재매개변수화. 통합된 합성 저하 평가 설정 하에서 AID, DIOR, UCAS_AOD 등 데이터셋과 결합하여 대표적 방법들의 재구성 성능, 지각 품질 및 적용 특성을 비교 분석하였습니다. 결과는 Mamba 시리즈 방법들이 구조적 연속성 유지, 기하학적 일관성 복원 및 가짜 텍스처 억제 측면에서 강력한 잠재력을 보이며, 다중 데이터셋 비교에서 우수한 재구성 성능을 나타냄을 보여줍니다. 마지막으로 본 논문에서는 실제 저하, 도메인 간 일반화 및 재현 가능한 벤치마크 등의 도전과제와 동향을 논의하며, 후속 연구 및 응용에 참고가 될 수 있도록 하였습니다.

원격 감지 영상;초해상도 복원;시각 상태 공간 모델;Mamba;주파수 영역 강화;교차 모달 융합;경량화