論文の概要: Real-Time Video Super-Resolution on Smartphones with Deep Learning,
Mobile AI 2021 Challenge: Report
- arxiv url: http://arxiv.org/abs/2105.08826v1
- Date: Mon, 17 May 2021 13:40:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-20 13:56:02.009440
- Title: Real-Time Video Super-Resolution on Smartphones with Deep Learning,
Mobile AI 2021 Challenge: Report
- Title（参考訳）: ディープラーニングとモバイルAI 2021チャレンジによるスマートフォンのリアルタイムビデオ超解像
- Authors: Andrey Ignatov, Andres Romero, Heewon Kim, Radu Timofte, Chiu Man Ho,
Zibo Meng, Kyoung Mu Lee, Yuxiang Chen, Yutong Wang, Zeyu Long, Chenhao Wang,
Yifei Chen, Boshen Xu, Shuhang Gu, Lixin Duan, Wen Li, Wang Bofei, Zhang
Diankai, Zheng Chengjian, Liu Shaoli, Gao Si, Zhang Xiaofeng, Lu Kaidi, Xu
Tianyu, Zheng Hui, Xinbo Gao, Xiumei Wang, Jiaming Guo, Xueyi Zhou, Hao Jia,
Youliang Yan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 135.69469815238193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video super-resolution has recently become one of the most important
mobile-related problems due to the rise of video communication and streaming
services. While many solutions have been proposed for this task, the majority
of them are too computationally expensive to run on portable devices with
limited hardware resources. To address this problem, we introduce the first
Mobile AI challenge, where the target is to develop an end-to-end deep
learning-based video super-resolution solutions that can achieve a real-time
performance on mobile GPUs. The participants were provided with the REDS
dataset and trained their models to do an efficient 4X video upscaling. The
runtime of all models was evaluated on the OPPO Find X2 smartphone with the
Snapdragon 865 SoC capable of accelerating floating-point networks on its
Adreno GPU. The proposed solutions are fully compatible with any mobile GPU and
can upscale videos to HD resolution at up to 80 FPS while demonstrating high
fidelity results. A detailed description of all models developed in the
challenge is provided in this paper.
- Abstract（参考訳）: ビデオのスーパーレゾリューションは、最近ビデオ通信やストリーミングサービスの台頭により、モバイル関連の最も重要な問題の一つになっている。
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、そのほとんどが計算コストがかかりすぎて、限られたハードウェアリソースを持つポータブルデバイス上で動作できない。
この問題に対処するために,我々は,モバイルgpu上でリアルタイムパフォーマンスを実現するための,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スーパーレゾリューション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。
参加者はREDSデータセットを提供し、効率的な4Xビデオアップスケーリングを行うためにモデルをトレーニングした。
全てのモデルのランタイムはOPPO Find X2スマートフォン上で評価され、Snapdragon 865 SoCはAdreno GPU上で浮動小数点ネットワークを高速化する。
提案されたソリューションは、どのモバイルgpuとも完全に互換性があり、80fpsのhd解像度までアップスケールでき、高い忠実度を発揮できる。
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) - Fast and Accurate Single-Image Depth Estimation on Mobile Devices,
Mobile AI 2021 Challenge: Report [105.32612705754605]
そこでは、エンドツーエンドのディープラーニングベースの深度推定ソリューションを開発することが目標です。
提案したソリューションは、Raspberry Pi 4上で最大10FPSのVGA解像度深度マップを生成でき、高い忠実度を達成できる。
論文 参考訳（メタデータ） (2021-05-17T13:49:57Z) - Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI
2021 Challenge: Report [67.86837649834636]
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。
論文 参考訳（メタデータ） (2021-05-17T13:34:15Z) - 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)
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。