論文の概要: FastSHADE: Fast Self-augmented Hierarchical Asymmetric Denoising for Efficient inference on mobile devices
- arxiv url: http://arxiv.org/abs/2604.10275v1
- Date: Sat, 11 Apr 2026 16:36:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.934071
- Title: FastSHADE: Fast Self-augmented Hierarchical Asymmetric Denoising for Efficient inference on mobile devices
- Title（参考訳）: FastSHADE: モバイルデバイス上での効率的な推論のための高速自己拡張階層的非対称化
- Authors: Nikolay Falaleev,
- Abstract要約: 現代のモバイル写真にはリアルタイム画像のデノゲーションが不可欠だが、エッジデバイスの厳格なレイテンシと電力制限のため、依然として困難である。
本稿では,モバイルGPU上でのリアルタイムかつ高忠実な復元に適した軽量なU-NetスタイルネットワークであるFastSHADEを提案する。
- 参考スコア（独自算出の注目度）: 0.3448741840371157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time image denoising is essential for modern mobile photography but remains challenging due to the strict latency and power constraints of edge devices. This paper presents FastSHADE (Fast Self-augmented Hierarchical Asymmetric Denoising), a lightweight U-Net-style network tailored for real-time, high-fidelity restoration on mobile GPUs. Our method features a multi-stage architecture incorporating a novel Asymmetric Frequency Denoising Block (AFDB) that decouples spatial structure extraction from high-frequency noise suppression to maximize efficiency, and a Spatially Gated Upsampler (SGU) that optimizes high-resolution skip connection fusion. To address generalization, we introduce an efficient Noise Shifting Self-Augmentation strategy that enhances data diversity without inducing domain shifts. Evaluations on the MAI2021 benchmark demonstrate that our scalable model family establishes a highly efficient speed-fidelity trade-off. Our base FastSHADE-M variant maintains real-time latency (<50 ms on a modern mobile GPU) while preserving structural integrity, and our scaled-up FastSHADE-XL establishes a new state-of-the-art for overall image quality. Ultimately, FastSHADE successfully bridges the gap between theoretical network efficiency and practical deployment for real-world mobile ISP pipelines.
- Abstract（参考訳）: 現代のモバイル写真にはリアルタイム画像のデノゲーションが不可欠だが、エッジデバイスの厳格なレイテンシと電力制限のため、依然として困難である。
本稿では,モバイルGPU上でのリアルタイムかつ高忠実な復元に適した軽量なUネットワークであるFastSHADE(Fast Self-augmented Hierarchical Asymmetric Denoising)を提案する。
提案手法は,高周波雑音抑圧から空間構造抽出を分離して効率を最大化する新しい非対称周波数復調ブロック(AFDB)と,高分解能スキップ接続融合を最適化するSGU(Spatially Gated Upsampler)を組み込んだ多段階アーキテクチャを特徴とする。
一般化に対処するため、ドメインシフトを誘導することなくデータの多様性を高める効率的なノイズシフト自己拡張戦略を導入する。
MAI2021ベンチマークの評価は、我々のスケーラブルモデルファミリーが高効率な高速忠実トレードオフを確立することを示している。
私たちのベースであるFastSHADE-Mは、構造的整合性を保ちながらリアルタイムレイテンシ(現在のモバイルGPUでは50ms)を維持しています。
最終的にFastSHADEは、理論的なネットワーク効率と実世界のモバイルISPパイプラインの実践的なデプロイメントのギャップを埋めることに成功した。
関連論文リスト
- Live Avatar: Streaming Real-time Audio-Driven Avatar Generation with Infinite Length [57.458450695137664]
提案するLive Avatarは,効率的,高忠実,無限長アバター生成のためのアルゴリズム設計のフレームワークである。
ライブアバターは、このスケールで実用的でリアルタイムで高忠実なアバター生成を実現するのが最初である。
論文 参考訳（メタデータ） (2025-12-04T11:11:24Z) - HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
イベントカメラは例外的な時間分解能と範囲(モード)を提供する
RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
論文 参考訳（メタデータ） (2025-10-22T13:15:13Z) - Iterative Low-rank Network for Hyperspectral Image Denoising [16.26671997491784]
ハイパースペクトル画像(HSI)復調は、その後のタスクにおいて重要な前処理ステップである。
画像の詳細を保存しながら、このような物理的特性を効果的に denoising に適切に利用することは、一般的に困難である。
本稿では,これらの課題に対処するための新しい反復型低ランクネットワーク (ILRNet) を提案する。
論文 参考訳（メタデータ） (2025-08-30T04:34:43Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Accelerating Linear Recurrent Neural Networks for the Edge with Unstructured Sparsity [39.483346492111515]
線形リカレントニューラルネットワークは、推論中に一定のメモリ使用量と時間毎の時間を含む強力な長距離シーケンスモデリングを可能にする。
非構造化空間は、互換性のあるハードウェアプラットフォームによって加速されるときに、計算とメモリの要求を大幅に削減できる魅力的なソリューションを提供する。
非常に疎い線形RNNは、高密度ベースラインよりも高い効率と性能のトレードオフを一貫して達成している。
論文 参考訳（メタデータ） (2025-02-03T13:09:21Z) - USEFUSE: Uniform Stride for Enhanced Performance in Fused Layer Architecture of Deep Neural Networks [0.6435156676256051]
本研究では,低レイテンシ左から右へのビットシリアル演算を用いた畳み込みのためのSum-of-Products (SOP)ユニットを提案する。
有効メカニズムは、ReLU層の後、非効率な畳み込みを検出し、スキップし、消費電力を最小化する。
ひとつはミッションクリティカルなアプリケーションの応答時間を最小限にすること、もうひとつはリソースに制約のあるデバイスに同じレイテンシでフォーカスすることである。
論文 参考訳（メタデータ） (2024-12-18T11:04:58Z) - Lightweight network towards real-time image denoising on mobile devices [26.130379174715742]
深層畳み込みニューラルネットワークは、画像復調タスクにおいて大きな進歩を遂げている。
複雑なアーキテクチャと計算コストにより、モバイルデバイスへのデプロイが妨げられる。
モバイルフレンドリーなデノベーションネットワークであるMFDNetを提案する。
論文 参考訳（メタデータ） (2022-11-09T05:19:26Z) - Architecture Aware Latency Constrained Sparse Neural Networks [35.50683537052815]
本稿では,CNNモデルの作成と高速化を目的として,遅延制約付きスパースフレームワークを設計する。
また,効率的な計算のための新しいスパース畳み込みアルゴリズムを提案する。
我々のシステム・アルゴリズムの共同設計フレームワークは、リソース制約のあるモバイルデバイス上でのネットワークの精度とレイテンシのフロンティアをはるかに向上させることができる。
論文 参考訳（メタデータ） (2021-09-01T03:41:31Z) - Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。
フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。
訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
論文 参考訳（メタデータ） (2021-06-01T20:34:52Z) - Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。
画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。
我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文 参考訳（メタデータ） (2021-03-25T07:10:46Z)
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。