論文の概要: Efficient Image Denoising on Smartphone GPUs: Mobile AI 2026 Challenge Report
- arxiv url: http://arxiv.org/abs/2611.00974v1
- Date: Sat, 31 Oct 2026 14:18:38 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:23:25.611121
- Title: Efficient Image Denoising on Smartphone GPUs: Mobile AI 2026 Challenge Report
- Title（参考訳）: スマートフォンGPUの効率的な画像認識:モバイルAI 2026 Challenge Report
- Abstract要約: 画像のデノイングはモバイル写真の基本的問題である。
この課題に対して多くの解決策が提案されているが、その大半は合成合成ノイズ画像に基づいて訓練されている。
これにより、パフォーマンスだけでなく、制約のあるモバイルハードウェアにもデプロイ可能な、効率的なディープラーニングベースのモデルの必要性が生まれます。
- 参考スコア（独自算出の注目度）: 66.1030835379426
- License:
- Abstract: Image denoising is a fundamental problem in mobile photography. Despite a large number of solutions proposed for this task, the majority of them are trained on synthetically produced noisy images, and are additionally too computationally heavy for processing full-resolution images on mobile devices. This creates a need for efficient deep learning-based models that are not only performant but can also be deployed on constrained mobile hardware. In this Mobile AI challenge, we address this problem and propose the participants to design fast solutions that can denoise Full HD resolution photos while running on popular smartphone GPUs from Qualcomm and Arm. For this, the participants were provided with a large-scale dataset consisting of noisy-clean image pairs captured in the wild. The runtime of all models was evaluated on the Snapdragon 8 Elite Gen 5 and Dimensity 9500 chipsets with the Adreno and Mali GPUs, respectively. Top solutions proposed in this challenge are able to perform high-quality image denoising under 100 milliseconds on both platforms while reaching a PSNR score of over 37 dB. A comprehensive description of the models developed in the challenge is provided in this paper.
- Abstract（参考訳）: 画像のデノイングはモバイル写真の基本的問題である。
このタスクのために提案された多くのソリューションにもかかわらず、その大半は合成合成されたノイズ画像で訓練されており、モバイルデバイスでフル解像度の画像を処理するには計算に重すぎる。
これにより、パフォーマンスだけでなく、制約のあるモバイルハードウェアにもデプロイ可能な、効率的なディープラーニングベースのモデルの必要性が生まれます。
このMobile AIチャレンジでは、この問題に対処し、QualcommやArmの人気のスマートフォンGPU上で実行しながら、フルHD解像度の写真をノイズ化できる高速ソリューションを設計する参加者を提案する。
このために参加者は、野生で捕獲されたノイズクリーンなイメージペアからなる大規模なデータセットが提供された。
全てのモデルのランタイムは、Snapdragon 8 Elite Gen 5とDimensity 9500チップセットでそれぞれAdrenoとMali GPUで評価された。
この課題で提案された最上位のソリューションは、PSNRスコアが37dBを超えながら、両方のプラットフォームで100ミリ秒未満の高品質な画像デノーミングを行うことができる。
本論文では,本課題で開発されたモデルの包括的記述について述べる。
関連論文リスト
- 4K Image Super-Resolution on Mobile NPUs: Mobile AI 2026 Challenge Report [120.39827175743626]
モバイルNPU上で動作しながら、フルHDから4K解像度まで画像をアップサンプルできる高速なソリューションを設計することを提案する。
この課題で提案された最上位の解決策は、PSNRスコア30dBに達しながら、5ミリ秒以下の4K画像を再構成することができる。
論文 参考訳（メタデータ） (2026-10-31T14:05:38Z) - 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) - Learned Smartphone ISP on Mobile GPUs with Deep Learning, Mobile AI &
AIM 2022 Challenge: Report [59.831324427712815]
この課題は、効率的なエンドツーエンドのAIベースの画像処理パイプラインを開発することを目的としている。
モデルはSnapdragonの8 Gen 1 GPUで評価され、一般的なディープラーニング運用の大部分で優れた加速結果が得られた。
提案されたソリューションは、最近のすべてのモバイルGPUと互換性があり、フルHD写真を20-50ミリ秒未満で処理でき、高い忠実度を達成できる。
論文 参考訳（メタデータ） (2022-11-07T22:13:10Z) - 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。