迈向微型感知超分辨率
图像与视频处理
2020-07-10 v1 计算机视觉与模式识别
摘要
近期在单图像感知超分辨率 (SR) 的工作中，通过深度卷积网络在生成逼真纹理方面展现了前所未有的性能。然而，这些卷积模型过于庞大且昂贵，阻碍了其在终端设备上的有效部署。在本工作中，我们提出了一种神经架构搜索 (NAS) 方法，将 NAS 与生成对抗网络 (GAN) 以及感知 SR 的最新进展相结合，提升小型感知 SR 模型的效率以促进设备端执行。具体而言，我们依次对生成器和判别器的架构进行搜索，突出了搜索 SR 优化判别器的独特挑战与关键观察，并将其与文献中现有的判别器架构进行了比较。我们的微型感知 SR (TPSR) 模型在全参考感知指标 (LPIPS) 和失真指标 (PSNR) 上均优于 SRGAN 和 EnhanceNet，同时内存效率最高提升 26.4，计算效率最高提升 33.6。
引用
@article{arxiv.2007.04356,
title = {Journey Towards Tiny Perceptual Super-Resolution},
author = {Royson Lee and Łukasz Dudziak and Mohamed Abdelfattah and Stylianos I. Venieris and Hyeji Kim and Hongkai Wen and Nicholas D. Lane},
journal= {arXiv preprint arXiv:2007.04356},
year = {2020}
}
备注
Accepted at the 16th European Conference on Computer Vision (ECCV), 2020