論文の概要: Power Efficient Video Super-Resolution on Mobile NPUs with Deep
Learning, Mobile AI & AIM 2022 challenge: Report
- arxiv url: http://arxiv.org/abs/2211.05256v1
- Date: Mon, 7 Nov 2022 22:33:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 15:58:36.241889
- Title: Power Efficient Video Super-Resolution on Mobile NPUs with Deep
Learning, Mobile AI & AIM 2022 challenge: Report
- Title（参考訳）: ディープラーニングとモバイルaiとaim 2022チャレンジによるモバイルnpusの高能率ビデオ超解像
- Authors: Andrey Ignatov and Radu Timofte and Cheng-Ming Chiang and Hsien-Kai
Kuo and Yu-Syuan Xu and Man-Yu Lee and Allen Lu and Chia-Ming Cheng and
Chih-Cheng Chen and Jia-Ying Yong and Hong-Han Shuai and Wen-Huang Cheng and
Zhuang Jia and Tianyu Xu and Yijian Zhang and Long Bao and Heng Sun and
Diankai Zhang and Si Gao and Shaoli Liu and Biao Wu and Xiaofeng Zhang and
Chengjian Zheng and Kaidi Lu and Ning Wang and Xiao Sun and HaoDong Wu and
Xuncheng Liu and Weizhan Zhang and Caixia Yan and Haipeng Du and Qinghua
Zheng and Qi Wang and Wangdu Chen and Ran Duan and Ran Duan and Mengdi Sun
and Dan Zhu and Guannan Chen and Hojin Cho and Steve Kim and Shijie Yue and
Chenghua Li and Zhengyang Zhuge and Wei Chen and Wenxu Wang and Yufeng Zhou
and Xiaochen Cai and Hengxing Cai and Kele Xu and Li Liu and Zehua Cheng and
Wenyi Lian and Wenjing Lian
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 97.01510729548531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video super-resolution is one of the most popular tasks on mobile devices,
being widely used for an automatic improvement of low-bitrate and
low-resolution video streams. While numerous solutions have been proposed for
this problem, they are usually quite computationally demanding, demonstrating
low FPS rates and power efficiency on mobile devices. In this Mobile AI
challenge, we address this problem and propose the participants to design an
end-to-end real-time video super-resolution solution for mobile NPUs optimized
for low energy consumption. The participants were provided with the REDS
training dataset containing video sequences for a 4X video upscaling task. The
runtime and power efficiency of all models was evaluated on the powerful
MediaTek Dimensity 9000 platform with a dedicated AI processing unit capable of
accelerating floating-point and quantized neural networks. All proposed
solutions are fully compatible with the above NPU, demonstrating an up to 500
FPS rate and 0.2 [Watt / 30 FPS] power consumption. A detailed description of
all models developed in the challenge is provided in this paper.
- Abstract（参考訳）: ビデオ超解像度はモバイルデバイスで最も一般的なタスクの1つであり、低ビットレートと低解像度のビデオストリームの自動改善に広く利用されている。
この問題に対する多くの解決策が提案されているが、通常は非常に計算的に要求され、モバイルデバイス上で低いFPSレートと電力効率を示す。
このモバイルaiチャレンジでは,この問題に対処し,低消費電力に最適化されたモバイルnpuのための,エンドツーエンドのリアルタイムビデオスーパーレゾリューションソリューションの設計を参加者に提案する。
参加者には4倍のビデオスケールアップタスク用のビデオシーケンスを含むredsトレーニングデータセットが提供された。
全てのモデルのランタイムと電力効率は、浮動小数点および量子化されたニューラルネットワークを加速できる専用の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。
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
- AIM 2024 Challenge on Efficient Video Super-Resolution for AV1 Compressed Content [56.552444900457395]
ビデオスーパーレゾリューション(VSR)は、特にストリーミングアプリケーションにおいて、低ビットレートおよび低解像度ビデオを強化するための重要なタスクである。
本研究では,これらの課題に対処するために様々な手法をコンパイルし,その解決策はエンドツーエンドのビデオ超解像フレームワークである。
提案されたソリューションは、一般的なケースとして540pから4K(x4)、モバイルデバイス向けに調整された360pから1080p(x3)の2つのアプリケーションのためのビデオアップスケーリングに取り組む。
論文 参考訳（メタデータ） (2024-09-25T18:12:19Z) - 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) - ELSR: Extreme Low-Power Super Resolution Network For Mobile Devices [4.759823735082844]
本稿では,モバイル機器で少量のエネルギーしか消費しないELSR(Extreme Low-Power Super Resolution)ネットワークを提案する。
極小モデルの性能を高めるために, プレトレーニング法と微調整法を適用した。
我々は,PSNR 27.34 dB で 90.9 を達成し,目標の MediaTek Dimensity 9000 で 0.09 W/30FPS を出力した。
論文 参考訳（メタデータ） (2022-08-31T02:32:50Z) - 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) - 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。