(cvpr2025) SCSegamba: Lightweight Structure-Aware Vision Mamba for Crack Segmentation in Structures

代码：https://github.com/Karl1109/SCSegamba

这个工作主要解决沥青路面、混凝土和金属等结构中的裂缝分割问题（crack segmentation）。作者指出：在低对比度图像中，裂纹区域不规则，经常受到周围区域和阴影的影响，这对现有的视觉状态空间模型（VSSM）的扫描策略提出了挑战。

为了实现高分割质量和低计算量之间的平衡，作者提出了SCSegamba网络，总体架构如下图所示。关键模块为： Structure-Aware Visual State Space block (SAVSS) 和 Multi-scale Feature Segmentation head (MFS). 可以看出，输入图像划分为patch，然后依次输入4个SAVSS block处理，中间进行下采样，得到F1,F2,F3,F4四个特征。四个特征输入于MFS融合，使用MLP得到最终的分割结果。

为了降低计算量，论文中反复使用了一个Gated Boottleneck Convolution模块，结构如下图所示。主要有两个特点：1、bottleneck结构可以降低参数量。2、门控机制，可以增强模型捕捉细节的能力。

Structure-Aware Visual State Space block (SAVSS) 的结构如下图所示，可以看出来和VSSM基本类似，不同之处主要有两点：1、扫描的路径，作者构建了diagnal snake scanning；2、Pixel Attention-guided Fusion (PAF) ，来自作者另外一个论文，是很常见的两分支特征融合方法。

SAVSS 解决的关键问题是“适应裂纹的方向”。如下所示，作者指出常用的4种扫描方法（图中红线）在对角线之间缺乏连续性，限制了对裂纹方向的敏感性。因此，做者提出了Diagnal snake扫描方法（图中绿色），可以更好地捕捉复杂的裂纹纹理特征（个人感觉这个有些牵强，或者举的例子并没有很好的证明这一点）。

Multi-scale Feature Segmentation head (MFS) 结构也非常简单，使用 MLP+ Dynamic upsampling 分别处理 F1,F2,F3,F4 ，将其尺寸恢复，然后使用 GBC + MLP 处理，得到分割结果。 其中，Dynamic upsampling 来自论文“Learning to upsample by learning to sample”。

实验方面可以参考作者论文，这里不过多介绍。