Happy 头像

Happy

1550 声望
公众号:AIWalker 展开

公众号:AIWalker

收起
关注了
0
粉丝数
2088
最新动态
  • 发布了文章 ·
    ICCV2021 | MIMO-UNet:重新思考CTF方案达成去模糊新高度

    Coarse-to-fine(CTF)策略已被广泛应用到图像去模糊领域,常规方法通常通过堆叠多尺度输入的子网络渐进提升提升输出图像的锐利度。比如DeepBlur、SRN所采用的处理策略。

    摘要图
  • 发布了文章 ·
    TPN: FPN的变革者,你所用检测器的Neck该更新了

    特征金字塔已成为多尺度CV任务(比如目标检测)中普遍存在的模块。考虑到其重要性,我们将CV模型分为三个部分:

    摘要图
  • 发布了文章 ·
    PPLCNet:CPU端强悍担当,吊打现有主流轻量型网络,百度提出CPU端的最强轻量型架构

    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...

    摘要图
  • 发布了文章 ·
    Timm助力ResNet焕发“第二春”,无蒸馏且无额外数据,性能高达80.4%

    自从恺明大神提出ResNet以来,ResNet就成为了各个领域的默认/基线架构。与此同时,更好的优化器、数据增广方法也得到研究并用于提升训练效率。

    摘要图
  • 发布了文章 ·
  • 发布了文章 ·
    一层卷积能做啥?BOE告诉你:一层卷积可以做超分!

    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。

    摘要图
  • 发布了文章 ·
    ICCV2021 FBCNN: 超灵活且强度可控的盲压缩伪影移除新思路

    因为最近一年甚少看到图像压缩伪影移除相关的paper,就下意识的以为该问题已经解决了,基本上现有方案完全可以商用。到上次看到BSRGAN与Real-ESRGAN后也曾想到过二次JPEG压缩问题,但下意识的认为跟一次压缩没太大区别,真的从来没有想到二次JPEG压缩之间的非对齐现象。

    摘要图
  • 发布了文章 ·
    Hire-MLP: 华为诺亚提出分层重排MLP,性能高达83.4%

    本文是华为诺亚&北大&悉尼大学在MLP方面的工作,针对MLP-Mixer存在的不灵活性与空间信息提取不够高效等问题,提出内区域重排与跨区域重排机制对MLP-Mixer进行改革。所提Hire-MLP在ImageNet数据集上取得了SOTA性能。比如Hire-MLP-L取得了83.4%的top1精度,超过了其他Transformer与MLP架构,同时具有更佳的精度-吞吐量均衡。

    摘要图
  • 发布了文章 ·
    ICCV2021 RealVSR: ​业界首个移动端真实场景视频超分数据集。 附:深度思考

    视频超分旨在对低分辨率视频提升分辨率的同时对细节进行增强(可能还会附带噪声抑制、压缩伪影移除亦或取出运动模糊)。现有的视频超分方案大多在合成数据上进行训练,这种简单的退化机制在面对真实场景的复杂退化时就会出现严重的性能下降。因此,如何将学术界的视频超分方案应用到真实场景,或者缩小两者之间的性能差异...

    摘要图
  • 发布了文章 ·
    走出温室,迈向实用!Real-ESRGAN: ESRGAN插上高阶退化空间的翅膀走向更广义的空间

    标题&作者团队paper: [链接]Code: [链接]本文是ESRGAN、EDVR等超分领域里程碑论文的作者在超分领域的又一力作,他们对ESRGAN进行扩展,将其应用场景从合成数据向真实场景数据走了一大步。针对现有图像超分、盲图像超分退化模型设计的不足,提出了一种高阶退化建模方案;针对高阶退化空间下原始判别不稳定问题,提出了UNe...

    摘要图
  • 发布了文章 ·
    AS-MLP:上海科技&腾讯优图开源首个检测与分割领域MLP架构

    本文是上海科技大学在MLP架构方面的探索,它设计了一种轴向移位操作以便于进行空间信息交互。在架构方面,AS-MLP采用了类似PVT的分层架构,因为可以轻易的迁移到下游任务。所提方法在ImageNet数据集上取得了优于其他MLP架构的性能,在COC检测与ADE20K分割任务上取得了与Swin相当的性能。值得一提的是,AS-MLP是首个迁移...

    摘要图
  • 发布了文章 ·
    CMT:当CNN遇到Transformer,“迷途知返”

    本文是华为诺亚与悉尼大学在Transformer+CNN架构混合方面的尝试,提出了一种同时具有Transformer长距离建模与CNN局部特征提取能力的CMT。相比之前的各种Transformer变种,本文更倾向于将Transformer的优势集成到CNN中。整体架构采用了ResNet的分阶段架构,Normalization方面采用CNN中常用的BN而非Transformer中的LN,在...

    摘要图
  • 发布了文章 ·
    GFNet | MLP领域再发力,清华大学提出将FFT思想用于空间信息交互

    本文是清华大学周杰团队在MLP方面的探索,不用现有MLP方案在空域进行token间信息交换,提出了一种全局滤波器方案在频域进行token间信息交换。受益于FFT的log-linear计算复杂度,GFNet可以设计成分层架构形式,能够更高分辨率作为起点,比如。虽然这篇文章的指标对比最新的VOLO、ViP等不算高,不过它为相关架构设计提供了...

    摘要图
  • 发布了文章 ·
    ​PVT重磅升级:三点改进,性能大幅提升

    本文是南京大学&港大&南理工&商汤团队针对PVT的升级,针对PVT存在的不足提出了三点改进(1)采用卷积提取局部连续特征;(2)带zero-padding 的重叠块嵌入提取位置信息编码;(3)带均值池化、线性复杂度的注意力层。受益于上述三点改进措施,所得PVTv2取得了显著优于PVTv1的性能,同时具有比Swin更佳的性能。

    摘要图
  • 发布了文章 ·
    SR-LUT | 比bicubic还快的图像超分,延世大学提出将查找表思路用于图像超分

    本文是延世大学在图像超分方面的颠覆性之作,它首次提出采用LUT进行图像超分,尽管该方法的性能仅比传统插值方法稍好,甚至不如FSRCNN性能高。但是,该方案最大的优势在于推理速度快,比双三次插值还要快。SR-LUT斜眼看到插值方案以及深度学习方案,轻轻的说了句:“论速度,还有谁!”

    摘要图
  • 发布了文章 ·
    VSR-Transformer | 超越BasicVSR,Transformer拿下视频超分

    最近,Transformer在CV领域搅翻了天,在各个CV领域打出了半片天。比如,Detection、Segmentation、Classification等等均出现了Transformer这个“搅局者”;甚至Low-level领域也被Transformer占领多个高峰,比如超分、降噪、去雨等等。一直以为视频超分可能还会再等一段时间,哪成想,视频超分领域也成了Transformer的附属地。

    摘要图
  • 发布了文章 ·
    89.77%!谷歌大脑Quoc V.Le团队提出CoAtNet:将卷积与自注意力纳入同一模块

    本文是谷歌研究院Quov V.Le团队在卷积与自注意力组合方面的探索,将深度卷积与自注意力集成统一到一个计算模块中,并从实验角度对卷积与自注意力的组合方式进行了论证,进而确定了CoAtNet的架构。所提方案在ImageNet数据集上取得了大幅超越其他ConvNet与Transformer的性能。比如,无需额外数据,CoAtNet在ImageNet上取得...

    摘要图
  • 发布了文章 ·
    只需两行code即将置换思想与Transformer巧妙衔接

    本文是腾讯光影实验室俞刚团队在Transformer的的最新力作,他们创造性的将ShuffleNet的置换思想与Transformer进行结合。考虑到近期Swin为代表的非重叠窗口自注意力存在的问题,巧妙了借鉴了ShuffleNet的置换思想,提出了空域置换并于Transformer组合得到了本文的Shuffle Transformer。所提方案在ImagNet分类、ADE20K语义...

    摘要图
  • 发布了文章 ·
    “新卷王”X-volution | 将卷积与自注意力进行高效集成

    最近一段时间,各大公众号都在分发关于Transformer的各个进展,一时之间好像CNN没什么进展了,好像有段时间没出非常有意思的工作了。

    摘要图
  • 发布了文章 ·
    NTIRE2021 HDR竞赛方案简介

    今天要介绍的是NTIRE2021的HDR竞赛方案。从竞赛结果来看,大部分方案都是在SingleHDR与AHDRNet的基础上演变而来,创新性反而不如视频超分竞赛那样新idea“层出不穷”。还是没忍住,又来分享竞赛方案了,大写的尬!

    摘要图
认证与成就
获得 24 次点赞
2020年01月15日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息