CVPR 2026 | LRU：线性循环单元 + 语义调制，让 SSM 在超分任务上跑赢 Mamba！

论文: Linear Recurrent Unit with Semantic Modulation for Image Super-Resolution作者: Mingyu Choi, Woo Kyoung Han, Sunghoon Im, Kyong Hwan Jin发表: CVPR 2026论文链接: https://arxiv.org/abs/2606.19901代码链接: https://github.com/MingyuChoi-run/LSM一、引言图像超分辨率（Super-Resolution, SR）一直是计算机视觉中的经典难题。近年来，Transformer 类方法（SwinIR、DAT、HAT）凭借自注意力机制取得优异性能，而基于状态空间模型（SSM）的 MambaIR 系列更凭借线性复杂度与全局感受野迅速抢占赛道。但 Mamba 类方法依赖动态参数化与复杂的离散化过程，实现与解释成本都不低。那么，有没有一种更简洁、更高效、同时不失表达力的替代方案？本文提出的 LRU（Linear Recurrent Unit）给出了答案。