面向移动设备的极轻量量化鲁棒实时单图像超分辨率
计算机视觉与模式识别
2021-05-24 v1 人工智能
机器学习
图像与视频处理
摘要
单图像超分辨率（SISR）是一个经典的计算机视觉问题，已被研究数十年。随着深度学习方法近年的成功，近期 SISR 工作聚焦于采用深度学习方法的解决方案并取得了最先进（SOTA）结果。然而大多数 SOTA 的 SISR 方法包含数百万参数与层，限制了其实用性。本文中，我们提出了一种硬件（Synaptics Dolphin NPU）限制感知的、极轻量量化鲁棒的实时超分辨率网络（XLSR）。所提模型的构建模块受图像分类的根模块启发。我们成功将根模块应用于 SISR 问题，此外为使模型对 uint8 量化鲁棒，我们在网络最后一层使用裁剪 ReLU（Clipped ReLU），并在重建质量与运行时间之间取得了良好平衡。此外，尽管所提网络参数比 VDSR 少 30 倍，其在 Div2K 验证集上的性能超越了 VDSR。该网络通过赢得 Mobile AI 2021 实时单图像超分辨率挑战赛证明了自身。
引用
@article{arxiv.2105.10288,
title = {Extremely Lightweight Quantization Robust Real-Time Single-Image Super Resolution for Mobile Devices},
author = {Mustafa Ayazoglu},
journal= {arXiv preprint arXiv:2105.10288},
year = {2021}
}