RETHINED：面向边缘设备的实时高分辨率图像修复新基准与基线方法
计算机视觉与模式识别
2025-03-20 v1 机器学习
摘要
现有的图像修复方法在低分辨率图像上已展现出令人印象深刻的补全结果。然而，这些算法大多数在高分辨率下失效，并且需要强大的硬件，限制了它们在边缘设备上的部署。基于此动机，我们提出了 REal-Time High-resolution image INpainting on Edge Devices（RETHINED）的首个基准和基线方法，能够在超高分辨率下进行修复，并在多种移动设备上实时运行（≤30毫秒）。该方法由一个轻量级卷积神经网络（CNN）用于恢复结构，随后接一个与分辨率无关的块替换机制以提供详细纹理。特别地，我们的流水线利用了 CNN 的结构能力和基于块方法的高级细节，这是高分辨率图像修复的关键组成部分。为展示我们方法的实际应用，我们在各种移动友好设备上进行了广泛分析，并证明在比现有最先进方法快 100 倍的情况下实现了类似的修复性能。此外，我们发布了 DF8K-Inpainting，第一个自由掩模超高清修复数据集。
引用
@article{arxiv.2503.14757,
title = {RETHINED: A New Benchmark and Baseline for Real-Time High-Resolution Image Inpainting On Edge Devices},
author = {Marcelo Sanchez and Gil Triginer and Ignacio Sarasua and Lara Raad and Coloma Ballester},
journal= {arXiv preprint arXiv:2503.14757},
year = {2025}
}