面向智能手机实时应用的感知图像增强
计算机视觉与模式识别
2023-11-27 v2 图像与视频处理
摘要
相机设计与成像流水线的最新进展使我们能够使用智能手机捕获高质量图像。然而，由于智能手机相机的小尺寸与镜头限制，我们常在处理后的图像中发现伪影或退化。最常见的不良效应为噪声伪影、衍射伪影、模糊与 HDR 过曝。用于图像复原的深度学习方法可成功去除这些伪影。然而，由于繁重的计算与内存需求，多数方法并不适用于移动设备上的实时应用。本文中，我们提出 LPIENet，一种轻量级感知图像增强网络，侧重于在智能手机上部署。我们的实验表明，以远更少的参数与运算量，我们的模型可处理上述伪影，并在标准基准上取得与最先进（SOTA）方法相比具竞争力的性能。此外，为证明方法的效率与可靠性，我们将模型直接部署于商用智能手机并评估其性能。我们的模型在中端商用智能手机上可在 1 秒内处理 2K 分辨率图像。
引用
@article{arxiv.2210.13552,
title = {Perceptual Image Enhancement for Smartphone Real-Time Applications},
author = {Marcos V. Conde and Florin Vasluianu and Javier Vazquez-Corral and Radu Timofte},
journal= {arXiv preprint arXiv:2210.13552},
year = {2023}
}
备注
IEEE/CVF WACV 2023 (Oral)