架构复杂度是否总是答案？对比 SwinIR 与高效 CNN 的案例研究
计算机视觉与模式识别
2025-10-10 v1 人工智能
摘要
在低光环境中恢复高频细节并抑制严重噪声，是计算机视觉中的一个重要且持久的挑战。虽然大规模 Transformer 模型如 SwinIR 在性能方面取得了最佳成绩，但其高计算成本可能成为实际应用的障碍。本文通过在该任务上将领先的 SwinIR 模型与标准轻量级卷积神经网络 (CNN) 进行比较，探讨了性能与效率之间的关键权衡。我们的实验结果揭示了一个细致但重要的发现。虽然基于 Transformer 的 SwinIR 模型以更高的峰值性能获得 39.03 dB 的峰值信噪比 (PSNR)，但轻量级 CNN 达到了令人惊讶的 37.4 dB 的 PSNR。关键在于，CNN 仅需 10 个训练 epoch 即可收敛，而相对复杂的 SwinIR 模型则需要 132 个 epoch。这种效率进一步体现在模型大小方面；CNN 比 SwinIR 小超过 55 倍。这一工作表明，标准 CNN 能够以显著更低的计算开销提供接近最佳的结果，为资源受限的实际应用场景提供了引人注目的选择。
引用
@article{arxiv.2510.07984,
title = {Is Architectural Complexity Always the Answer? A Case Study on SwinIR vs. an Efficient CNN},
author = {Chandresh Sutariya and Nitin Singh},
journal= {arXiv preprint arXiv:2510.07984},
year = {2025}
}
备注
7 pages, 4 figures