采用混合量化机制进行模型量化，既考虑了每一层对精度与延迟的影响，也考虑了8-bit与16-bit之间切换对整体延迟的影响；
最近ChatGPT大伙，其概括摘要能力非常强。YOLO系列算法也是目标检测领域非常重要的一个研究路线，那么ChatGPT是如何看待各个YOLO算法的呢？那我们去问问它如何看待各个版本的YOLO。
这篇文章的motivation主要是对SISR任务的一个加速。在文中提到，现有的工作往往需要依赖pixel-wise sparse convolution，而它对硬件是很不友好的。尽管这种串级联式的layer能够提高网络建模contextual information的能力，但是平衡performance和efficiency的工作仍缺乏探索。
本文提出了一种Hybrid Vision Transformer架构FastViT，它取得了更优的延时-精度均衡。具体来说，
本文提出一种Any-time super-Resolution Method(ARM)用以解决图像超分模型过参数问题，其出发点在于如下三个观察：
相比近年来大尺度ViT取得的巨大成功，基于CNN的大尺度模型仍处于早期阶段。本文提出了一种新的基于CNN的大尺度基础模型InternImage，它通过类似ViT提升参数量与训练数据等方式取得了大幅性能提升。
该文是福州大学的老师提出的一种用于真实世界图像超分的方案，在NTIRE2020图像超分竞赛中取得了前五的好成绩，该文的思路与其他NTIRE2020竞赛的优胜方案思考角度有一些不同之处，故笔者稍微花了点时间进行总结。文末附文章与code下载链接。
本文是南京大学&香港大学的路通&罗平等人在风格迁移领域的一次突破性探索，提出了首个支持超高分辨率(比如10000x10000大小)图像风格迁移的方案URST。针对现有风格迁移模型在图像块处理时存在的块间不一致问题，提出了一种新颖的“Thumbnail Instance Normalization”；与此同时，针对高分辨率图像风格迁移存在的“small str...
今天要介绍的MobileAI2021的图像超分竞赛的最佳方案，无论是PSNR指标还是推理速度均显著优于其他方案，推理速度达到了手机端实时(<40ms@1080P)。
本文是深圳先进技术研究院董超团队在HDR领域的最新力作，取得了NTIRE2021 单帧HDR竞赛第二成绩，指标仅低0.07dB，但推理速度快116倍。针对HDR重建伴随的高光区域细节重建、低光区域噪声抑制以及正常曝光区域的量化损失、噪声抑制问题，HDRUNet提出了(1) 条件网络提供空域可变调制；(2) 加权网络提供正常曝光区域信息保留...
本文是京东方团队关于端侧超分的深度思考，以端侧设备超分为切入点，对经典上采样与深度学习超分之间的“空白”地带进行思考，提出了一类“一层”超分架构（脑洞真的太大了），并对所提方案与其他轻量型超分方案以及bicubic从不同角度进行了对比，同时也为未来端侧超分算法的设计提供了一个极具价值的参考点。
SISR见证了深度学习的迅速发展，然而现有大多方法聚焦于构建更复杂、更深的网络，进而带来大量的计算复杂度与内存占用。近来，NLP领域的Transformer开始在CV任务上发力并逐步占领了不少领域的“高地”。但是，Transformer的高计算复杂度与高GPU占用导致其难以设计的过深。
对检测器的Neck部件进行了翻新：引入BiC(Bi-directional Concatenation)提供更精确的定位信息；将SPPF简化为SimCSPSPPF，牺牲较少的速度提升更多的性能。
本文全名Searching for Network Width with Bilaterally Coupled Network， 简称BCNetV2，目前已发表在人工智能领域顶刊 IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)，影响因子 24.3。其前序工作为 BCNet: Searching for Network Width with Bilaterally Coupled Network，简称BCNetV1，该...
今天给各位推荐一篇个人认为“非常有价值的”图像复原方向的论文。 图像复原方向的小伙伴应该都比较清楚，常用的图像质量评价标准与人眼评价标准往往不具备一致性。这就导致了许多具有极高PSNR/SSIM指标的图像复原方法往往其视觉效果并不尽如人意。尽管GAN可以使得所训练的模型生成的图像具有比较好的视觉效果，但是生成的...
本文是深圳先进技术研究院董超团队在HDR领域的最新力作，取得了NTIRE2021 单帧HDR竞赛第二成绩，指标仅低0.07dB，但推理速度快116倍。针对HDR重建伴随的高光区域细节重建、低光区域噪声抑制以及正常曝光区域的量化损失、噪声抑制问题，HDRUNet提出了(1) 条件网络提供空域可变调制；(2) 加权网络提供正常曝光区域信息保留...
前有阿里团队针对Nvidia-GPU端加速而设计的高推理速度高性能的GENet，现有百度团队针对Intel-CPU端加速而设计的高推理速度&高性能的LCNet。本文是百度团队结合Intel-CPU端侧推理特性而设计的轻量高性能网络PP-LCNet，所提方案在图像分类任务上取得了比ShuffleNetV2、MobileNetV2、MobileNetV3以及GhostNet更优的延迟-精...
性能与推理速度间的均衡在实际应用中非常重要，而结构重参数机制是达成该均衡的一种非常有效的模块。但是，因结构重参数训练得到的模型在面临量化时却出现了严重的性能下降(比如RepVGG-A0经PTQ量化，指标从72.4%下降到了52.2%)。
本文是MPRNet与MIRNet的作者在图像复原领域的又一力作，也是Transformer技术在low-level领域的又一个SOTA。针对Transformer在高分辨率图像复原中存在的难点，提出了两种MDTA与GDFN两种改进，极大程度上缓解了计算量与GPU缓存占用问题。所提方案刷新了多个图像复原任务的SOTA性能。
DAMO-YOLO是阿里新推出来的 目标检测框架，兼顾模型速度与精度，其效果超越了目前的一众 YOLO 系列方法，且推理速度更快。DAMO-YOLO 还提供高效的训练策略和便捷易用的部署工具，能帮助开发者快速解决工业落地中的实际问题。
