論文の概要: AsConvSR: Fast and Lightweight Super-Resolution Network with Assembled
Convolutions
- arxiv url: http://arxiv.org/abs/2305.03387v1
- Date: Fri, 5 May 2023 09:33:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 14:41:04.945732
- Title: AsConvSR: Fast and Lightweight Super-Resolution Network with Assembled
Convolutions
- Title(参考訳): AsConvSR: 集合的畳み込みを伴う高速軽量超解法ネットワーク
- Authors: Jiaming Guo, Xueyi Zou, Yuyi Chen, Yi Liu, Jia Hao, Jianzhuang Liu,
Youliang Yan
- Abstract要約: リアルタイム性能を実現するために,高速かつ軽量な超解像ネットワークを提案する。
超解像における分割・畳み込みの応用を解析することにより、入力特徴に応じて畳み込みカーネルを適応できる組込み畳み込みを提案する。
NTIRE 2023 Real-Time Super-Resolution - Track 1で優勝した。
- 参考スコア(独自算出の注目度): 32.85522513271578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, videos and images in 720p (HD), 1080p (FHD) and 4K (UHD)
resolution have become more popular for display devices such as TVs, mobile
phones and VR. However, these high resolution images cannot achieve the
expected visual effect due to the limitation of the internet bandwidth, and
bring a great challenge for super-resolution networks to achieve real-time
performance. Following this challenge, we explore multiple efficient network
designs, such as pixel-unshuffle, repeat upscaling, and local skip connection
removal, and propose a fast and lightweight super-resolution network.
Furthermore, by analyzing the applications of the idea of divide-and-conquer in
super-resolution, we propose assembled convolutions which can adapt convolution
kernels according to the input features. Experiments suggest that our method
outperforms all the state-of-the-art efficient super-resolution models, and
achieves optimal results in terms of runtime and quality. In addition, our
method also wins the first place in NTIRE 2023 Real-Time Super-Resolution -
Track 1 ($\times$2). The code will be available at
https://gitee.com/mindspore/models/tree/master/research/cv/AsConvSR
- Abstract(参考訳): 近年、テレビ、携帯電話、VRなどのディスプレイデバイスでは、720p (HD)、1080p (FHD)、および4K (UHD)解像度のビデオや画像が普及している。
しかし、これらの高解像度画像は、インターネット帯域幅の制限により、期待される視覚効果を達成できず、超高解像度ネットワークがリアルタイム性能を達成するための大きな課題をもたらす。
この課題に続き、画素アンシャッフル、繰り返しアップスケーリング、ローカルスキップ接続除去といった複数の効率的なネットワーク設計を検討し、高速で軽量な超解像ネットワークを提案する。
さらに,超解像における分割・畳み込みの概念の適用性を解析することにより,入力特徴に応じて畳み込みカーネルを適応できる組込み畳み込みを提案する。
実験により,本手法はすべての高効率超解像モデルより優れ,実行時間と品質の面で最適な結果が得られることが示唆された。
さらに、ntire 2023 real-time super- resolutiontrack 1 (\times$2) で1位を獲得している。
コードはhttps://gitee.com/mindspore/models/tree/master/research/cv/AsConvSRで入手できる。
関連論文リスト
- CoordFill: Efficient High-Resolution Image Inpainting via Parameterized
Coordinate Querying [52.91778151771145]
本稿では,近年の連続的暗黙表現の発達により,その限界を初めて破ろうとする。
実験の結果,提案手法はGTX 2080 Ti GPUを用いて2048$times$2048の画像をリアルタイムに処理できることがわかった。
論文 参考訳(メタデータ) (2023-03-15T11:13:51Z) - Towards High-Quality and Efficient Video Super-Resolution via
Spatial-Temporal Data Overfitting [27.302681897961588]
ディープ畳み込みニューラルネットワーク(DNN)はコンピュータビジョンの様々な分野で広く使われている。
高品質で効率的なビデオ解像度アップスケーリングタスクのための新しい手法を提案する。
市販の携帯電話にモデルをデプロイし,実験結果から,映像品質の高いリアルタイムビデオ解像度を実現することが確認された。
論文 参考訳(メタデータ) (2023-03-15T02:40:02Z) - QuickSRNet: Plain Single-Image Super-Resolution Architecture for Faster
Inference on Mobile Platforms [36.962828335199596]
QuickSRNetはモバイルプラットフォーム上のリアルタイムアプリケーションのための効率的な超解像度アーキテクチャである。
提案アーキテクチャは,最新のスマートフォンで2.2msで2倍のアップスケーリングによって1080pの出力を生成する。
論文 参考訳(メタデータ) (2023-03-08T02:19:54Z) - Rethinking Resolution in the Context of Efficient Video Recognition [49.957690643214576]
クロスレゾリューションKD(ResKD)は、低解像度フレームでの認識精度を高めるための単純だが効果的な方法である。
我々は,最先端アーキテクチャ,すなわち3D-CNNとビデオトランスフォーマーに対して,その効果を広く示す。
論文 参考訳(メタデータ) (2022-09-26T15:50:44Z) - ShuffleMixer: An Efficient ConvNet for Image Super-Resolution [88.86376017828773]
本稿では、大きな畳み込みとチャネル分割シャッフル操作を探索する軽量画像超解像のためのShuffleMixerを提案する。
具体的には,チャネル分割とシャッフルを基本成分とする2つのプロジェクション層を効率よく混合する。
実験結果から,ShuffleMixerはモデルパラメータやFLOPの手法に比べて約6倍小さいことがわかった。
論文 参考訳(メタデータ) (2022-05-30T15:26:52Z) - Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めた
ほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。
SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
論文 参考訳(メタデータ) (2022-03-16T20:10:41Z) - SwiftSRGAN -- Rethinking Super-Resolution for Efficient and Real-time
Inference [0.0]
本稿では,メモリフットプリントの高速化と小型化を実現したアーキテクチャを提案する。
リアルタイムの超解像度により、帯域幅の低い条件下でも高解像度のメディアコンテンツをストリーミングできる。
論文 参考訳(メタデータ) (2021-11-29T04:20:15Z) - Generating Superpixels for High-resolution Images with Decoupled Patch
Calibration [82.21559299694555]
Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。
DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。
特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
論文 参考訳(メタデータ) (2021-08-19T10:33:05Z) - Extremely Lightweight Quantization Robust Real-Time Single-Image Super
Resolution for Mobile Devices [0.0]
シングルイメージ・スーパーレゾリューション(SISR)は古典的なコンピュータビジョンの問題であり、数十年にわたって研究されてきた。
SISRに関する最近の研究は、ディープラーニングの方法論に焦点を合わせ、最先端の結果を得る。
ハードウェア(Synaptics Dolphin NPU)を意識した超軽量量子化ロバストリアルタイム超解像ネットワーク(XLSR)を提案する。
論文 参考訳(メタデータ) (2021-05-21T11:29:48Z) - 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) - Collapsible Linear Blocks for Super-Efficient Super Resolution [3.5554418329811557]
シングルイメージスーパーリゾリューション(SISR)は、コンピュータビジョンの重要な問題となっています。
超高効率超解像ネットワークの新たなクラスであるSESRを提案する。
6つのベンチマークデータセットの詳細な実験は、SESRが同様のあるいはより良い画像品質を達成することを実証している。
論文 参考訳(メタデータ) (2021-03-17T02:16:31Z)
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。