zoukankan      html  css  js  c++  java
  • Mobicom2019-MobiSR:Efficient On-Device Super-Resolution through Heterogeneous Mobile Processors-RoysonLee

    创新点:

    设计了两个SR模型,分别处理 上采样复杂度(upscaling difficulty) 不同的图像块,达到质量和速度的平衡

    思路:

    1. 如何衡量图像块的上采样复杂度:

    total variation(TV) metric:
    image TV越大,重建越困难

    image

    image

    image image

    Fig3: TV越大,PSNR越小, 重建质量越不好

    Fig4: TV越大,不同模型重建的PSNR差值越小 => 对于TV较大的图像块,可以用较小的SR model在达到相似PSNR情况下提升速度

    2. 选择参考SR模型

    基于RCAN作改进

    image image

    性能对比(性能蛮好的) 

    FEQE是2018 PIRM Challenge on perceptual SR on mobile 的冠军

    image

    3. 其他压缩模型变体:

    image

     image

    训练以上所有模型

    4. 测试所有模型的 运行时间 和 运行质量

    image image

    根据Fig7和Fig8选择了 (这三个模型位于Pareto fronts)

    5. 三个模型两两组合(),测试运行质量和时间

    TV小于 , 大于用

    image

    image

    随着PSNR容忍度的升高,提出的方法在达到相似的PSNR下,速度提升

    一些想法:

    1. 对图像块分类只用TV?有没有其他的更全面的方法

    2. 模型对()可否自动选择

    退化估计(模糊、噪声、伪影、光照)-> 结构估计-> 给定PSNR容忍度下,运行速度最快的模型选择

  • 相关阅读:
    redhat 5.0 python2.4升级到2.7
    bindiff 4.2使用
    patchdiff2 函数比较插件
    OpenGL 获取当前屏幕坐标对应的三维坐标
    CsGL着色的三角形
    glEnable(GL_DEPTH_TEST)作用
    OpenGL之抗锯齿 以及 线宽的设置
    glLoadIdentity
    2.AngularJS-验证
    1.MVC概要与angular概要、模板与数据绑定
  • 原文地址:https://www.cnblogs.com/btschang/p/11507015.html
Copyright © 2011-2022 走看看