يظل تحسين الصور في الإضاءة المنخفضة مهمةً صعبة في مجال الرؤية الحاسوبية، حيث تظل النماذج الحديثة المتطورة محدودة غالبًا بقيود المعداتhardware ومشكلات الكفاءة الحسابية، خاصة عند التعامل مع الصور عالية الدقة. وعلى الرغم من الفعالية الكبيرة التي تُظهرها النماذج الأساسية الحديثة مثل نماذج التحويل (Transformers) ونماذج الانتشار (Diffusion Models) في مجالات متنوعة، إلا أنها محدودة الاستخدام على الأجهزة الطرفية (Edge Devices) بسبب تعقيداتها الحسابية ووقت الاستنتاج البطيء. نقدّم نموذج ExpoMamba، وهي معمارية جديدة تدمج مكونات الفضاء الحالة الترددية داخل هيكل U-Net معدل، مما يوفر مزيجًا فعّالًا من الكفاءة والفعالية. تم تحسين هذا النموذج خصيصًا لمعالجة التحديات المختلطة في التعرض (Mixed Exposure)، وهي مشكلة شائعة في تحسين الصور في الإضاءة المنخفضة، مع الحفاظ على الكفاءة الحسابية. تُظهر تجاربنا أن ExpoMamba يُحسّن الصور في الإضاءة المنخفضة بأسرع بـ 2 إلى 3 أضعاف مقارنة بالنماذج التقليدية، بزمن استنتاج بلغ 36.6 مللي ثانية، ويحقق تحسنًا في معيار PSNR بنسبة تصل إلى 15-20% مقارنة بالنماذج المنافسة، مما يجعله مناسبًا للغاية لتطبيقات معالجة الصور في الوقت الفعلي.