摘要:针对现有的方法通常面临全局感受野和高效计算之间难以有效平衡以及重建图像细节不清晰的问题, 提出了基于CNN-Mamba的属性引导网络(CMANet). 首先, 模型在进行重建时, 引入了属性信息并且考虑了这些属性之间的相互关系, 帮助模型提高整个重建过程的可靠性和精确度. 其次, 引入了沙漏状态空间模块, 发掘人脸图像的关键特征, 并保持了在长距离依赖建模方面具有线性复杂度的优势. 最后, 引入了自适应Mamba融合模块, 在图像特征学习多个方向长距离依赖关系时, 将属性针对不同方向进行自适应补充, 并将不同方向补充后的特征进行自适应融合, 使得模型在处理多样化的图像时更加灵活和高效. 大量的实验证明了所提方法的优越性.