論文の概要: Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI
2021 Challenge: Report
- arxiv url: http://arxiv.org/abs/2105.07825v1
- Date: Mon, 17 May 2021 13:34:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:55:23.851074
- Title: Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI
2021 Challenge: Report
- Title（参考訳）: モバイルNPUにおけるリアルタイム量子化画像超解法 - Mobile AI 2021 Challenge
- Authors: Andrey Ignatov, Radu Timofte, Maurizio Denna, Abdel Younes, Andrew
Lek, Mustafa Ayazoglu, Jie Liu, Zongcai Du, Jiaming Guo, Xueyi Zhou, Hao Jia,
Youliang Yan, Zexin Zhang, Yixin Chen, Yunbo Peng, Yue Lin, Xindong Zhang,
Hui Zeng, Kun Zeng, Peirong Li, Zhihuang Liu, Shiqi Xue, Shengpeng Wang
- Abstract要約: 我々は,エンド・ツー・エンドのディープラーニングベースの画像超解像ソリューションを開発することを目的とした,最初のモバイルaiチャレンジを紹介する。
提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、40-60ms以下のフルHDイメージを再構築することができる。
- 参考スコア（独自算出の注目度）: 67.86837649834636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image super-resolution is one of the most popular computer vision problems
with many important applications to mobile devices. While many solutions have
been proposed for this task, they are usually not optimized even for common
smartphone AI hardware, not to mention more constrained smart TV platforms that
are often supporting INT8 inference only. To address this problem, we introduce
the first Mobile AI challenge, where the target is to develop an end-to-end
deep learning-based image super-resolution solutions that can demonstrate a
real-time performance on mobile or edge NPUs. For this, the participants were
provided with the DIV2K dataset and trained quantized models to do an efficient
3X image upscaling. The runtime of all models was evaluated on the Synaptics
VS680 Smart Home board with a dedicated NPU capable of accelerating quantized
neural networks. The proposed solutions are fully compatible with all major
mobile AI accelerators and are capable of reconstructing Full HD images under
40-60 ms while achieving high fidelity results. A detailed description of all
models developed in the challenge is provided in this paper.
- Abstract（参考訳）: 画像超解像度は、モバイルデバイスに多くの重要な応用がある最も一般的なコンピュータビジョン問題の1つである。
このタスクには多くのソリューションが提案されているが、一般的には、INT8推論のみをサポートすることの多い、より制約のあるスマートTVプラットフォームに限らず、一般的なスマートフォンAIハードウェアにも最適化されていない。
この問題に対処するために、モバイルやエッジのNPU上でリアルタイムのパフォーマンスを実演できる、エンドツーエンドのディープラーニングベースの画像超解ソリューションを開発することを目標とする、最初のMobile AIチャレンジを紹介します。
このために、参加者にはDIV2Kデータセットと、効率的な3Xイメージアップスケーリングを行うためのトレーニングされた量子化モデルが提供された。
全てのモデルのランタイムをSynaptics VS680 Smart Homeボード上で評価し、量子化されたニューラルネットワークを高速化する専用のNPUを開発した。
提案したソリューションは,すべての主要なモバイルAIアクセラレータと完全に互換性があり,40～60ms以下でフルHDイメージの再構築が可能で,高い忠実性を実現している。
本論文では,本課題で開発されたモデルについて詳述する。
関連論文リスト
- Power Efficient Video Super-Resolution on Mobile NPUs with Deep
Learning, Mobile AI & AIM 2022 challenge: Report [97.01510729548531]
低消費電力に最適化されたモバイルNPUのためのリアルタイムビデオ超解法を提案する。
モデルは、専用のAI処理ユニットを備えた強力なMediaTek Dimensity 9000プラットフォームで評価された。
提案したすべてのソリューションは上記のNPUと完全に互換性があり、最大500FPSレートと0.2[Watt / 30FPS]電力消費を示す。
論文 参考訳（メタデータ） (2022-11-07T22:33:19Z) - Efficient and Accurate Quantized Image Super-Resolution on Mobile NPUs,
Mobile AI & AIM 2022 challenge: Report [144.41960648643564]
本稿では,高効率な量子化画像超解法を設計するための参加者を提案する。
このソリューションはモバイルNPU上でリアルタイムのパフォーマンスを示すことができる。
全てのモデルのランタイムは、専用のエッジNPUを備えたSynaptics VS680 Smart Homeボードで評価された。
論文 参考訳（メタデータ） (2022-11-07T22:27:58Z) - Real-Time Video Super-Resolution on Smartphones with Deep Learning,
Mobile AI 2021 Challenge: Report [135.69469815238193]
ビデオの超高解像度化は、ビデオ通信とストリーミングサービスの台頭により、モバイル関連で最も重要な問題の一つになっている。
この問題に対処するために、私たちは、エンドツーエンドのディープラーニングベースのビデオ超解解ソリューションを開発することを目的とした、最初のMobile AIチャレンジを紹介します。
提案したソリューションは、あらゆるモバイルGPUと完全に互換性があり、高忠実度の結果を示しながら、最大80FPSのHD解像度でビデオをアップスケールすることができる。
論文 参考訳（メタデータ） (2021-05-17T13:40:50Z) - Fast Camera Image Denoising on Mobile GPUs with Deep Learning, Mobile AI
2021 Challenge: Report [64.09439666916465]
最初のMobile AIチャレンジでは、エンドツーエンドのディープラーニングベースの画像記述ソリューションの開発を目標としています。
提案したソリューションは任意のモバイルGPUと完全に互換性があり、480pの解像度画像を40-80msで処理できる。
論文 参考訳（メタデータ） (2021-05-17T13:27:56Z) - Learned Smartphone ISP on Mobile NPUs with Deep Learning, Mobile AI 2021
Challenge: Report [49.643297263102845]
この課題は、エンドツーエンドのディープラーニングベースの画像信号処理パイプラインの開発にある。
提案手法は60-100ミリ秒以下のフルHD写真を高忠実度で処理できる。
論文 参考訳（メタデータ） (2021-05-17T13:20:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。