PlainUSR：追逐更快 ConvNet 以实现高效超分辨率
图像与视频处理
2024-09-23 v1
摘要
降低延迟是近期超分辨率 (SR) 研究中的激增趋势。虽然最近的进展利用各种卷积块、注意力模块和 backbone 来发掘卷积神经网络 (ConvNet) 的全部潜力，但实现实时性能仍然是一个挑战。为此，我们提出 PlainUSR，一个新框架，通过三项相关修改来加速 ConvNet 以实现高效 SR。对于卷积块，我们通过重参数组织技巧，将较轻但较慢的 MobileNetv3 块压缩为较重但更快的普通卷积，以平衡内存访问和计算。对于注意力模块，通过调制输入的区域重要性图和门，我们引入基于局部重要性的注意力，以实现在 1 阶注意力延迟内的高阶信息交互。对于 backbone，我们提出一个纯粹的 U-Net，执行通道级的判别性分割和拼接。在实验阶段，PlainUSR 显示出惊人的低延迟、出色的可扩展性和与实时导向和质量导向方法相竞争的性能。特别是与最新方法 NGswin 比较，PlainUSR-L 速度快 16.4 倍且性能相当。
引用
@article{arxiv.2409.13435,
title = {PlainUSR: Chasing Faster ConvNet for Efficient Super-Resolution},
author = {Yan Wang and Yusen Li and Gang Wang and Xiaoguang Liu},
journal= {arXiv preprint arXiv:2409.13435},
year = {2024}
}
备注
Accepted by ACCV 2024. Under camera-ready revision