面向移动设备的基于自特征提取与稠密调制的轻量级图像增强网络
图像与视频处理
2022-05-03 v1 机器学习
摘要
基于卷积神经网络（CNN）的图像增强方法（如超分辨率和细节增强）已取得显著性能。然而，网络中包括卷积和参数在内的大量运算消耗高计算力并需要巨大内存资源，限制了具有设备端需求的应用。轻量级图像增强网络应在保持保真度的同时从低分辨率输入图像中恢复细节、纹理和结构信息。为解决这些问题，提出了一种轻量级图像增强网络。所提网络包含自特征提取模块，该模块从低质量图像自身产生调制参数，并提供给网络中的特征进行调制。同时，提出了稠密调制块作为所提网络的单元块，其使用了拼接特征的稠密连接并应用于调制层。实验结果表明，在定量与定性评价上均优于现有方法。
引用
@article{arxiv.2205.00853,
title = {Lightweight Image Enhancement Network for Mobile Devices Using Self-Feature Extraction and Dense Modulation},
author = {Sangwook Baek and Yongsup Park and Youngo Park and Jungmin Lee and Kwangpyo Choi},
journal= {arXiv preprint arXiv:2205.00853},
year = {2022}
}
备注
8 pages, 9 figures