RefQSR: 基于参考的图像超分辨率网络量化方法
计算机视觉与模式识别
2024-04-03 v1
摘要
单图像超分辨率(SISR)旨在从低分辨率观测中重建高分辨率图像。最近的基于深度学习的SISR模型以增加计算成本为代价实现了高性能，限制了它们在资源受限环境中的使用。作为计算高效网络设计的一种有前景的解决方案，网络量化已被广泛研究。然而，现有的针对SISR开发的量化方法尚未有效利用图像自相似性，这是本研究探索的新方向。我们引入了一种新颖的方法，称为基于参考的图像超分辨率量化(RefQSR)，该方法对几个代表性补丁应用高比特量化，并将它们作为参考，对图像中其余补丁进行低比特量化。为此，我们设计了专门的补丁聚类和基于参考的量化模块，并将它们集成到现有的SISR网络量化方法中。实验结果表明RefQSR在各种SISR网络和量化方法上的有效性。
引用
@article{arxiv.2404.01690,
title = {RefQSR: Reference-based Quantization for Image Super-Resolution Networks},
author = {Hongjae Lee and Jun-Sang Yoo and Seung-Won Jung},
journal= {arXiv preprint arXiv:2404.01690},
year = {2024}
}
备注
Accepted by IEEE Transactions on Image Processing (TIP)