論文の概要: Efficient and Accurate Quantized Image Super-Resolution on Mobile NPUs, Mobile AI & AIM 2022 challenge: Report

• arxiv url: http://arxiv.org/abs/2211.05910v1
• Date: Mon, 7 Nov 2022 22:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-11-20 13:32:49.701107
• Title: Efficient and Accurate Quantized Image Super-Resolution on Mobile NPUs, Mobile AI & AIM 2022 challenge: Report
• Title（参考訳）: モバイルnpus, mobile ai & aim 2022 チャレンジ : 効率的・高精度量子化画像超解像
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 144.41960648643564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image super-resolution is a common task on mobile and IoT devices, where one often needs to upscale and enhance low-resolution images and video frames. While numerous solutions have been proposed for this problem in the past, they are usually not compatible with low-power mobile NPUs having many computational and memory constraints. In this Mobile AI challenge, we address this problem and propose the participants to design an efficient quantized image super-resolution solution that can demonstrate a real-time performance on mobile NPUs. The participants were provided with the DIV2K dataset and trained INT8 models to do a high-quality 3X image upscaling. The runtime of all models was evaluated on the Synaptics VS680 Smart Home board with a dedicated edge NPU capable of accelerating quantized neural networks. All proposed solutions are fully compatible with the above NPU, demonstrating an up to 60 FPS rate when reconstructing Full HD resolution images. A detailed description of all models developed in the challenge is provided in this paper.
• Abstract（参考訳）: 画像の超解像度は、モバイルデバイスやIoTデバイスで一般的なタスクであり、低解像度の画像やビデオフレームをスケールアップして拡張する必要があることが多い。 この問題に対する多くの解決策が提案されてきたが、通常は計算やメモリの制約の多い低消費電力モバイルNPUと互換性がない。 このモバイルAIチャレンジでは、この問題に対処し、モバイルNPU上でリアルタイムのパフォーマンスを実演できる効率的な量子化画像超解ソリューションを設計する参加者を提案する。 参加者はDIV2KデータセットとINT8モデルをトレーニングし、高品質な3Xイメージアップスケーリングを実現した。 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エッジNPUを使用した。 提案手法はすべて上記のNPUと完全に互換性があり、フルHD解像度画像の再構成時に最大60FPSの速度を示す。 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

• 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)
• 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)
• 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。