QuickSRNet：面向移动平台更快推理的简洁单图像超分辨率架构
图像与视频处理
2023-05-16 v2 计算机视觉与模式识别
机器学习
摘要
在本工作中，我们提出 QuickSRNet，一种用于移动平台实时应用的高效超分辨率架构。超分辨率将图像清晰化、锐化并上采样至更高分辨率。游戏与视频播放等应用，以及电视、智能手机和 VR 头显不断提升的显示能力，正推动对高效上采样方案的需求。尽管现有基于深度学习的超分辨率方法在视觉质量上取得了令人印象深刻的成果，但在具有计算、散热和功耗约束的移动设备上实现实时的基于深度学习的超分辨率仍具挑战性。为应对这些挑战，我们提出 QuickSRNet，一种简单而有效的架构，相比现有的单图像超分辨率神经架构提供了更优的精度—延迟权衡。我们提出了加速现有基于残差的超分辨率架构的训练技巧，同时保持对量化的鲁棒性。我们所提架构在现代智能手机上以 2 倍上采样生成 1080p 输出仅需 2.2 ms，使其成为高帧率实时应用的理想选择。
引用
@article{arxiv.2303.04336,
title = {QuickSRNet: Plain Single-Image Super-Resolution Architecture for Faster Inference on Mobile Platforms},
author = {Guillaume Berger and Manik Dhingra and Antoine Mercier and Yashesh Savani and Sunny Panchal and Fatih Porikli},
journal= {arXiv preprint arXiv:2303.04336},
year = {2023}
}
备注
Camera-ready version (CVPR workshop - MAI'23)