SwiftSRGAN——重新审视超分辨率以实现高效实时推理
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
摘要
近年来，利用最先进的基于深度学习的架构在图像超分辨率任务上取得了若干进展。此前发表的许多基于超分辨率的技术需要高端顶级图形处理单元（GPU）来执行图像超分辨率。随着深度学习方法论的不断进步，神经网络对计算的需求愈发贪婪。我们退一步思考，专注于创建实时高效解决方案。我们提出了一种在内存占用上更快且更小的架构。所提架构使用深度可分离卷积提取特征，并在保持实时推理和低内存占用的同时，与其他超分辨率 GAN（生成对抗网络）性能相当。实时超分辨率即使在带宽不佳条件下也能流式传输高分辨率媒体内容。在保持精度与延迟间高效权衡的同时，我们得以产出性能可比的模型，其尺寸为超分辨率 GAN 的八分之一（1/8），且计算速度比超分辨率 GAN 快 74 倍。
引用
@article{arxiv.2111.14320,
title = {SwiftSRGAN -- Rethinking Super-Resolution for Efficient and Real-time Inference},
author = {Koushik Sivarama Krishnan and Karthik Sivarama Krishnan},
journal= {arXiv preprint arXiv:2111.14320},
year = {2022}
}
备注
6 pages, 3 figures, "to be published in" International Conference on Intelligent Cybernetics Technology & Applications 2021 (ICICyTA)