随着计算成像技术的飞速发展，单曝光压缩成像（Single-Exposure Compressive Imaging, SECI）因其在瞬态过程捕获和超高速成像领域的卓越潜力，成为了光学与图像处理交叉学科的研究热点。然而，SECI系统中“压缩采集，解压重建”的核心瓶颈在于如何高效、高保真地实现逆问题求解。传统的数学优化算法面临计算复杂、耗时长的难题。近年来，生成式人工智能（Generative AI, GenAI）凭借其强大的分布建模能力，为SECI重建带来了革命性的突破。本文系统综述了基于深度生成模型（如GANs, VAEs, Diffusion Models）在单曝光压缩成像重建中的前沿进展，深入剖析了不同生成式架构在提升重建图像质量、抗噪性以及泛化能力方面的优势。同时，本文探讨了当前面临的关键挑战，并对未来的研究展望进行了深入思考，旨在为科研工作者提供系统的参考。
对于致力于该领域研究并希望发表高水平科研成果的学者，若在算法实现、实验数据验证或学术论文撰写过程中遇到困难，寻求成熟的SCI论文代写代发服务可以提供系统化的学术协助。我们的专业团队由拥有深厚计算成像背景的SCI代写团队组成，涵盖数学建模、深度学习架构优化及严谨的学术润色。无论是攻读博士学位的毕业论文，还是急需职称论文代写服务的推荐，我们均能根据具体的研究需求，提供符合SCI期刊投稿标准的、高质量的论文代写与全流程发表指导方案，确保您的研究成果得到国际学术界的认可。
1 引 言
现代计算摄影的核心挑战在于自然场景的内在维度与传统传感器局限性之间的差异。真 实世界是高维的，它随时间不断演变，并跨越密集的光谱范围。然而，标准的电荷耦合器件 （CCD）或互补金属氧化物半导体（CMOS）传感器本质上是二维（2D）的，只能捕获这种高 维现实的投影。在标准成像中，这种投影会导致不可逆的信息丢失例如高速场景中的运动模 糊（时间积分）或高光谱成像中的同色异谱现象（光谱积分）。
单曝光压缩成像（Snapshot Compressive Imaging, SCI）通过将范式从捕获后压缩转变为 压缩采集，解决了这一根本的采样困境。 它通过基于压缩感知（Compressive Sensing, CS） 理论的光学调制，在曝光期间将高维数据（3D）直接编码到单次2D单曝光测量值中来实现这一点[1–8]。这种架构从根本上重新分配了系统的复杂性：它将负担从面临固有瓶颈（如 读出速度）的硬件转移到了计算领域，在计算领域中，重建算法可以被不断地完善。光学编 码通常通过数字微镜器件（Digital Micromirror Devices, DMD）或编码孔径来实现[9]，将场景信息复用（multiplexes）到所捕获的2D测量值中[10–14]。SCI的实用性已在诸多严苛的应用中 得到证明，例如流体热力学的高速成像[15]、激光加工的实时监控[16]、单相机大视场叠层衍射 成像[17]以及超分辨率显微镜[18,19]，从而规避了传统的硬件限制，并在研究和实际诊断中启用 了新功能[20–27]。
然而，任何SCI系统的效能都与其软件解码器（即重建算法）的质量息息相关。 这些 算法的演进反映了人工智能更广泛的发展轨迹，即从死板的手工数学模型转向灵活的、数据 驱动的神经网络[9]。最初的方法依赖于基于严格数学先验（如全变分TV和稀疏性）的迭代 优化算法[28]。尽管在理论上很完备，但这些方法面临计算时间过长的问题，通常需要数小时 才能重建单个视频序列，这使得它们无法用于实时应用或大规模数据分析。深度学习（Deep Learning, DL）的出现催生了范式转变。例如，端到端卷积神经网络（Convolutional Neural Network, CNN）可以在几秒钟内将压缩测量值映射为体积视频[29–33]，尽管它们对长程依赖关 系的建模能力仍然有限。最近，该领域见证了Transformer的崛起，它利用全局注意力机制 来捕获长程时空依赖性。这些模型确立了重建质量的新基准[34–39]，但它们仍受限于基于回归 的学习目标，具体而言，即在面对不确定性时倾向于向均值回归，从而导致纹理过度平滑和 伪影。
近期，以扩散模型（Diffusion Models）为代表的生成式人工智能被引入该领域，并将SCI 的重建推向了新的技术高地。自去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPMs）与基于分数的随机微分方程（Stochastic Differential Equations, SDEs）[40]提出以来， 扩散模型通过在逆向去噪过程中学习极高维流形空间的数据分布，在图像生成与病态逆问题 求解中展现出了前所未有的高频细节恢复能力与分布外泛化能力。
本文旨在对基于扩散模型的SCI重建算法进行全面、专门和系统的论述。文章首先介绍 了SCI的物理机制与早期算法演变，随后重点探讨了扩散模型在该领域的引入机制与最新前 沿进展，最后总结了当前面临的工程与理论挑战，并对未来发展趋势提出见解。
2 单曝光压缩成像重建算法
2.1 单曝光压缩成像的物理机制与逆问题建模
单曝光压缩成像（SCI）巧妙地将压缩感知（CS）理论的数学原理内化于光学硬件设计之 中。其核心机制在于：通过引入物理空间中的光学编码调制元件，在极短的单次曝光时间内， 将高维（≥3퐷）场景的多维信息复用并投影压缩至二维探测器阵列上[9]。 在物理系统架构层面，SCI主要演化出两种占据主导地位的硬件形态：用于获取高维光谱数据的单色散编码 孔径压缩光谱成像（Coded Aperture Snapshot Spectral Imaging, CASSI）与用于捕获高速视频 的编码孔径压缩时间成像（Coded Aperture Compressive Temporal Imaging, CACTI）。
对于光谱SCI（以CASSI为例）[41–53]，系统旨在单次曝光下捕获高分辨率的高光谱数据 立方体。 光路中的三维数据立方体首先经过焦平面上的固定物理掩膜进行空间强度的调制； 随后，被调制的宽带光束穿过色散元件（如棱镜或光栅）产生横向空间偏移；最终，探测器 在曝光时间内对所有发生空间错位的光谱带进行光子积分叠加，形成一幅高度混叠的二维压 缩测量图像[9]。对于视频SCI（以CACTI为例）[54–63]，场景中包含的高速运动目标被一组随 时间快速切换的动态掩膜（如平移物理掩膜或数字微镜器件DMD上的不同图案）进行连续 的空间强度调制，从而将多帧高速时间切片压缩为一幅单帧的二维测量图像[64]。
2.2 单曝光压缩成像重建算法的演变：从优化驱动到深度先验
单曝光压缩成像的核心挑战集中在图像重建阶段：即如何从压缩的二维测量值Y和已 知的物理编码掩膜M中恢复出三维数据立方体X。由于未知数（x yn Bn）的数量远远超 过了测量值（x yn n）的数量（超出的倍数即为压缩比B），这构成了一个高度不适定的逆问题。为了解决这一根本难题，该领域的重建算法经历了从传统模型优化到深度学习范式的 深刻变革。
作为纯优化与深度学习之间的桥梁，即插即用（Plug and Play, PnP）先验用预训练的深 度去噪网络（如FFDNet或FastDVDnet）替代了迭代算法（如ADMM[66]或GAP[65]）中的显式 正则化步骤[68,69]。这些方法利用在高斯噪声上训练的深度去噪器，在迭代过程中对中间估计 值进行清理。PnP方法的核心优势在于“免训练（Training-free）”与极高的灵活性，同一个 预训练去噪网络可以无缝适配不同的掩膜、采样率乃至不同的SCI硬件系统。它们提供了一 种灵活的折中方案，但通常需要经过多次迭代（通常为50-100次）才能收敛，这使得其推 理速度不及端到端网络，并且由于没有专门对特定掩膜进行训练，使得在特定掩膜上的重建 性能也不及端到端网络。
另一种范式旨在将基于优化方法的物理可解释性与可靠性同神经网络的学习能力相结 合。该范式通过将GAP[65]或ADMM[66]等迭代算法展开为具有固定阶段数的串联神经网络， 形成了所谓的深度展开网络（Deep Unfolding Networks, DUNs）[31–33]。尽管DUNs成功地融合 了迭代优化方案的优势并支持端到端训练，但在实践中，网络模块的数量通常必须保持在有 限范围内。这种限制源于多阶段架构所导致的推理阶段计算需求的增加以及训练阶段内存消 耗的增长。
引入带有自注意力机制的Transformer架构，标志着SCI重建领域的第二次技术拐点。 与在固定局部窗口内处理信息的CNN不同，Transformer能够计算输入序列中任意两个位置 之间的交互，从而实现对全局时空依赖关系的捕捉。STFormer[34]是最早成功将Transformer 范式应用于视频SCI的方法之一。它利用了类似的时空分解理念，但依赖分层结构来处理不 同尺度的特征。STFormer证明了Transformer在捕捉动态运动方面可以超越CNN。 EfficientSCI[ 35]和EfficientSCI++[36]通过将问题分解为独立的空间和时间组件，解决了标准自注 意力的复杂性问题，代表了在平衡重建保真度与计算吞吐量方面的关键性进展。HiSViT[37]以 分层可分离视频Transformer为基础构建块，定制了一种在浅层网络中无需进行时间聚合的 高效重建架构。BSTFormer[38]提出了一种专为超稀疏采样（一种在任何给定空间位置仅曝光 单个子帧而阻挡其他所有子帧的编码方法）设计的Transformer模型。MadyGraph[39]将视频 重建形式化为一项图学习任务，这可以被视为Transformer的一种特例，其中像素被视为节 点，边则代表时空相关性。
3 从判别式模型到生成式的扩散模型重建算法
3.1 生成范式扩散模型的崛起与数学机制
近年来，扩散模型（DMs）在生成式人工智能领域取得了令人瞩目的突破。从早期的基 础理论奠基，到如今在高质量图像合成与文本到图像（Text-to-Image）生成大模型（如隐式 扩散模型Implicit Diffusion Model[71]、Imagen[72]、DALL-E[73]系列、Diffusion Transformer（DiT） [74]架构，以及基于流匹配[75,76]的Stable Diffusion3[77]和Flux[78]等）中展现出的惊人表现，扩 散模型在极高维复杂数据分布的拟合与生成任务上确立了前所未有的统治地位[40,79–86]。受此 启发，为突破传统优化模型手工先验表达能力弱，以及判别式回归模型导致的细节过度平滑 瓶颈，DMs 凭借其在极高维流形空间重构复杂数据分布的强大能力，迅速接管了底层视觉 与病态逆问题求解的前沿高地。作为一类基于似然的生成模型，DMs的理论图景由三个核心 子类别统一：去噪扩散概率模型（DDPMs）、噪声条件得分网络（NCSNs）和随机微分方程 （SDEs）[81]。 1. 有监督范式 (Supervised Paradigm)：该范式并不一定在推理时严格执行上述两项的 显式分离，而是直接将退化测量y、物理掩膜、或其预处理特征作为条件输入，利用特定SCI 系统的“测量-真值”配对数据（或原始二维测量数据），端到端地训练一个条件得分模型 (,,)ts tx y。此外，该范式还可以通过重新设计前向SDE使其对齐物理退化过程，或将扩散先验嵌入到深度展开网络中进行联合优化。这种方式尽管数据获取成本高昂，但在特定恶劣 退化条件下的物理保真度极高。
2. 无监督范式 (Unsupervised Paradigm)：该范式严格遵循上述贝叶斯解耦方程，完全免 去了针对特定SCI退化模型重新训练大模型的需求。其核心思想是利用在大规模自然图像
（如RGB语料）上预训练的基础大模型提供强大的无条件生成式先验log ttpxx，并在逆向采样步骤中，利用确定的SCI物理前向过程公式(2)计算梯度引导（如 DPS 逼近[87]）或 结合半二次分裂算法（HQS）进行流形投影与即插即用（PnP）交替求解。 然而，无论是哪种范式，DMs固有的多步迭代采样机制都带来了极高的计算开销，这在 处理SCI的3D乃至更复杂高维时空谱张量时尤为致命。需要特别强调的是，SCI 问题本身 的病态程度远超传统逆问题，其高维数据特性与物理测量机制的结合，使得扩散模型在该领 域面临着其他视觉任务中从未遇到过的独特挑战： 首先，SCI 问题比一般逆问题具有本质上更高的求解难度。传统图像逆问题（如去噪、 超分辨率、去模糊）通常是在相同维度空间内进行信号恢复，其退化过程主要作用于空间域。 而 SCI 作为一种 "维度压缩" 成像技术，其核心是通过单次二维测量重建高维时空谱数据。 这种极端的欠采样特性导致解空间呈现出高度的非凸性和多模态性。更关键的是，SCI 的测 量值是多个时间 / 光谱帧在空间维度上的线性叠加，单个像素包含了多个维度的耦合信息， 这种 "时空混叠" 效应使得信号解耦变得极其困难。此外，SCI 系统还受到光学衍射、掩膜制造误差、传感器噪声等多种物理非理想因素的影响，进一步加剧了问题的病态性。
3.2 扩散模型与单曝光压缩成像的差异
尽管像 STFormer 和 EfficientSCI 这样的模型在峰值信噪比（PSNR）指标上取得了令 人瞩目的成绩，但它们都受限于基于均方误差（MSE）的回归模型的一个共有根本缺陷： 向均值回归（regression to the mean）。在面对压缩成像所固有的严重不确定性时，回归模 型为了最小化误差惩罚，往往倾向于预测所有可能有效输出的平均值。在视觉表现上，这 直接导致了图像边缘模糊、纹理过度平滑，并且会抹除诸如头发或文本等精细的高频细 节。
图 1阐明了阻碍将生成式扩散先验直接整合进压缩测量值逆重建过程的根本工作流分 歧（workflow divergence）。为了便于比较，该图被划分为两个主要面板。两个面板共享相 同的真实信号（Ground Truth）X，从而明确突出了它们截然不同的变换路径。左侧面板展 示了SCI系统固有的基于物理的编码机制。该过程始于一个高维数据立方体x yn n B ，代表 时间序列视频或光谱数据体。该信号经历由物理硬件决定的“前向编码（forward encoding）” 过程，在此过程中，数据立方体与动态编码掩膜相互作用。如图所示，编码掩膜产生体素级 （voxel-wise）的调制，随后跨时间或光谱维度进行求和（积分），最终投射到二维焦平面阵 列上。由虚线返回路径指示的重建目标代表了一个不适定的逆问题：即从低维投影Y中恢复 高维估计值X。
3.3 扩散模型用于单曝光压缩成像重建算法
针对上述提到的扩散模型去噪过程与压缩成像重建过程的不一致性，前沿研究发展了多 种跨维度的降维与域自适应策略。根据对特定领域训练数据的依赖程度，以及核心网络架构 的数学机制，我们借鉴底层视觉扩散模型的分类体系，将专门针对SCI的重建方法分为两大 主要范式（有监督方法与无监督/零样本方法），并进一步细分为六个子类。
1. 特征预处理引导（Pre-processed References）：为了解决常规扩散过程中早期高频方 差噪声容易掩盖空间特征，导致直接注入测量条件引导效果不佳的痛点，CASSIDiff 方法[88] 采用了基于离散小波变换（DWT）的特征融合机制。该方法将高低频特征显式分离，动态且 自适应地将测量先验注入到条件扩散模型中，在人类视觉感知指标上实现了极大的跨越。
2. 物理退化过程对齐（Hardware-aligned Diffusion Process）：传统的扩散模型通常从纯 高斯噪声开始去噪，但这在物理上并不符合SCI硬件严苛的退化与压缩逻辑。3One2 算法[89] 针对视频SCI底层的独热（One-hot）调制机制，设计了定制化的前向随机微分方程（SDE）， 使前向扩散路径与硬件测量过程完美对齐。该方法将其重构为高度欠采样的生成式“视频修 复”任务，采用了一步回归加一步去噪的混合框架（RegDif），实现了物理层与生成算法的 协同设计。
3. 基于扩散先验的深度展开（Deep Unfolding with Diffusion Priors）：该子类致力于将 具备强物理可解释性的深度展开网络（DUNs）与具有分布外细节恢复能力的生成模型进行 深度绑定。例如，LADE-DUN 方法[90]首先在紧凑的潜在空间训练隐式扩散模型以生成无退化 的清晰先验，随后通过三叉戟 Transformer 将该生成先验注入到展开网络的迭代去噪阶段中； FMU 方法[91]则将连续流体力学的流匹配（Flow-Matching）范式引入SCI，利用全局一致性常 微分方程引导深度展开物理架构，打破了以往仿真测试的PSNR纪录。
4. 自监督与蒸馏残差生成（Self-supervised & Distillation Residual）：在真实医疗或遥感 场景中，往往连成对的高维真值（如高光谱数据或高速视频）都无法获取。OSD 与 SSR-DiFA 框架[92,93]摒弃了对成对高清数据的依赖，结合等变（Equivariant）学习直接利用原始2D测量 数据进行自监督演化。其采用单步扩散残差精调策略，通过初始预测器给粗略底图，再利用 扩散网络预测残差以补偿高频细节，同时通过知识蒸馏将多步扩散先验提炼为单步，将高维 SCI重建时间锐减了 97.5%，为边缘端设备的实时部署扫清了障碍。
其次，面对高维成像数据收集成本高昂、数据集匮乏的挑战，无监督/零样本（Zero-shot） 方法转而直接利用基于大规模自然图像预训练的扩散模型大语言/视觉权重，通过严密的数 学约束与空间变换进行跨域桥接：
5. 基于即插即用框架（PnP-based Frameworks）：在传统的PnP理论下，DiffSCI 方法[94] 首次将基于RGB语料预训练的扩散大模型“嫁接”入交替求解的逆问题框架中，作为强大 的生成式去噪器进行零样本高光谱重建。为了克服RGB自然图像与高光谱数据之间的通道 鸿沟与维度不匹配，该方法利用频段相关性映射与波长匹配（Wavelength Matching）策略，并结合半二次分裂算法（HQS）严格解耦数据一致性项与生成先验项，实现了跨域的无缝迁移。
6. 基于自然图像预训练基础生图模型（Pre-trained T2I Model）：高维视频或时空谱信 号的迭代扩散采样会导致致命的内存灾难（OOM）。针对这一痛点，PSR-SCI 方法[95]利用 了像 Stable Diffusion[71]这样的基础生图模型。该方法创造性地提出了解混驱动的子空间可 逆嵌入模块，将高维张量压缩至少数维度的子空间丰度图，在极低维空间中微调RGB大模 型以生成细节。同时在逆向采样中施加高维引导约束（High-dimensional Guidance），确保 低维生成的子空间流形与高维原始物理测量保持严格一致。
4 总结与展望
SCI技术经历了从依靠数学直觉的手工先验模型，到依赖海量配对数据的判别式深度网 络，再到如今融合极强非线性表现力的生成式人工智能的演进。扩散模型带来的前所未有 的高频细节恢复与分布外泛化能力，为解决极端病态的SCI高维逆问题点亮了新的灯塔。 然而，从当前的算法演示走向真实的物理工程部署，仍有几座亟待跨越的高峰，这也为未来的研究指明了关键的前沿方向。
参考文献 略