MambaIRv2：注意力状态空间图像复原

基于摘要分析。该研究针对 Mamba 图像复原骨干中每个 token 只能依赖扫描序列前序 token 的限制，提出 MambaIRv2，通过注意力状态空间机制引入非因果建模能力，并利用语义引导的邻近机制促进远距离相似像素交互。主要研究对象是图像复原，而非 EEG 或 BCI。 核心机制：作者提出的 attentive state-space equation 允许模型关注扫描序列之外的信息，旨在通过单次扫描完成图像展开与信息交互；semantic-guided neighboring mechanism 则使空间距离较远但语义相似的像素建立联系。摘要将其非因果建模能力类比于 ViTs，但未提供具体方程、邻近关系构造方法、训练损失及计算复杂度，不能据此认定其等同于标准自注意力或已解决全部扫描方向问题。 作者报告：在轻量级超分辨率（lightweight SR）任务中，相较 SRFormer，MambaIRv2 的 PSNR 提高 0.35 dB，参数量减少 9.3%；在经典超分辨率（classic SR）任务中，相较 HAT，PSNR 最多提高 0.29 dB。摘要未给出这些结果对应的数据集、放大倍率、训练与测试划分或具体模型配置，两类任务的收益不能直接合并比较。实验协议、消融及统计信息尚未验证，也无法仅据摘要判断参数减少是否对应运行时间或显存收益。 平台推测（待验证）：若 EEG 离线去噪中存在可利用的跨时间或跨通道相似结构，非因果状态空间交互和相似性引导邻近机制可能具有复用价值。其原始依赖是图像像素及语义相似关系；迁移时需重新设计 EEG token 表示、通道位置编码与相似性定义，而不能直接将像素语义对应为神经活动。低信噪比可能使邻近机制连接伪迹，被试差异、通道布局变化和小数据也可能降低稳定性；非因果信息使用不适合直接视为在线 BCI 能力。 可检验的小实验是假设性地在固定 Cross-subject 划分与相同去噪监督下，对比因果状态空间基线、非因果变体及加入相似性邻近机制的变体，检验去噪误差与下游解码性能是否同时改善，并核对推理成本。该建议并非论文已验证结果；相关 EEG 工作尚未检索确认。