前段时间，NTIRE2023各个竞赛落下帷幕，近期各个冠亚军方案提出者也在逐步公开方案细节。今天给大家概要介绍一下"RTSR-Track1"赛道冠军方案，方案提出者来自华为诺亚与华为海思。
1AsConvSR
由于竞赛同时关注PSNR与推理耗时（计算方式如下），所以网络结构的设计尤其要关注下耗时因素的影响。
AsConvSR网络结构（见上图）非常的简单，需要关注的有两个：
- PixelUnShuffle 该操作有助于减少网络整体推理耗时，它与超分领域常用的PixelShuffle为互逆操作。
- Assembled Block 该思想源自LAPAR一文，一种动态卷积操作。
2实验结果
上图为所提方案与近年来轻量化网络的统计信息对比，重建效果对比。总体来说，AsConvSR在竞赛指标方面确实存在非常明显的优势。
上表给出了竞赛前五方案的指标信息对比，所提方案优势还是挺明显的，^\_^
来源：AIWalker
作者： Happy
推荐阅读
- YOLO-NAS | YOLO新高度，引入NAS，出于YOLOv8而优于YOLOv8
- ChatGPT是如何看待YOLO系列算法的贡献呢？
- APE | 用于可扩展的单图像超分中自适应“块早退”
- 比MobileOne还秀，Apple将重参数与ViT相结合提出FastViT
- ARM | 内容&硬件感知超分方案，让图像超分自适应适配不用算力平台
本文章著作权归作者所有，任何形式的转载都请注明出处。更多动态滤波，图像质量，超分辨相关请关注我的专栏AIWalker。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
