用于高效单图像超分辨率的大核蒸馏网络
图像与视频处理
2024-07-22 v1 计算机视觉与模式识别
摘要
近年来，高效且轻量级的单图像超分辨率 (SISR) 取得了显著性能。一种有效的方法是使用大核设计，该方法已被证明能提高 SISR 模型的性能，同时降低其计算需求。然而，当前最先进 (SOTA) 的模型仍然面临计算成本高等问题。为解决这些问题，我们在本文中提出了大核蒸馏网络 (LKDN)。我们的方法简化了模型结构，并引入了更高效的注意力模块，以降低计算成本，同时提高性能。具体来说，我们采用重参数化技术在无需额外成本的情况下增强模型性能。我们还从其他任务中引入了一种新的优化器用于 SISR，从而提高了训练速度和性能。我们的实验结果表明，LKDN 优于现有的轻量级 SR 方法，并达到了 SOTA 性能。
引用
@article{arxiv.2407.14340,
title = {Large Kernel Distillation Network for Efficient Single Image Super-Resolution},
author = {Chengxing Xie and Xiaoming Zhang and Linze Li and Haiteng Meng and Tianlin Zhang and Tianrui Li and Xiaole Zhao},
journal= {arXiv preprint arXiv:2407.14340},
year = {2024}
}
备注
Accepted to CVPR workshop 2023