2025刚开年，
Mamba
就又出新成果了！这次是
和小波变换结合
，提出了一种新的面部伪造检测方法WMamba，显著提升了检测精度和泛化能力！还有前不久刚发表的红外图像超分辨率新方法IRSRMamba，结合了小波变换和基于Mamba的模型架构，在多个基准数据集上都取得了SOTA性能！
另外还有IEEE GRSL 2024上的WaveMamba、ACCV 2024上的WalMaFa…最近小波变换＋Mamba这方向确实是火热非常。这缘于两大热点1+1>2的结合效果，Mamba擅长处理长文本且适应性强，小波变换擅长捕捉信号细节，结合使用就可以
增强特征提取能力、优化计算复杂度和提升模型性能！
可以说，这种结合为图像处理、文本处理等领域提供了新的思路和方法，同时也为了我们拓宽了创新空间，是非常重要的研究方向之一。本文整理了
10篇
最新的小波变换＋Mamba结合创新方案
，方便感兴趣的论文er用作参考，开源代码基本都有。
扫码添加小享，
回复“
小波曼巴
”
免费获取
全部论文+开源代码
WMamba: Wavelet-based Mamba for Face Forgery Detection
方法：
本文提出了一种基于小波的特征提取器WMamba，结合Mamba架构，通过引入动态轮廓卷积（DCConv）和有效利用Mamba捕捉长程空间依赖的能力，最大化小波信息的利用，旨在有效检测面部伪造，并在跨数据集和跨操作评估中取得了SOTA性能。
创新点：
-
DCConv 是一种创新的可变形卷积变体，利用精心设计的可变形核来自适应地捕捉面部轮廓的细长结构。
-
通过利用基于状态空间模型（SSM）的 Mamba 架构，WMamba 在捕捉长距离空间关系方面表现出色，同时保持线性计算复杂度。
IRSRMamba: Infrared Image Super-Resolution via Mamba-based Wavelet Transform Feature Modulation Model
方法：
研究提出了IRSRMamba，一种创新的红外图像超分辨率模型，通过Mamba框架和小波特征调制模块来有效处理长程依赖和多尺度特征提取，显著提升了红外图像的细节恢复能力，并在多个数据集上表现出色。
创新点：
-
引入了IRS Mamba，一个基于Mamba模型的创新性红外图像超分辨率模型。
-
IRS Mamba模型引入了一个新颖的小波变换特征调制模块，用于多尺度特征提取。通过将特征图转换为频域，小波变换模块能够有效地捕捉全局和局部信息，增强多尺度感受野特征表示。
扫码添加小享，
回复“
