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...
【导读】本文是华为诺亚&北大提出的一种轻量化图像超分的方案，它结合了GhostNet中的特征融合思想，同时考虑了图像超分任务的特殊性(不能直接移除冗余特征)，提出了通过shift操作来生成这类“幽灵特征”，在降低计算量、参数量、推延迟的同时确保性能不显著下降。这里所提出的GhostSR一种通用性的轻量化方案，相比剪枝等技...
本文提出一种同时利用图像空间和通道特征的 Transformer 模型，DAT（Dual Aggregation Transformer），用于图像超分辨（Super-Resolution，SR）任务。DAT 以块间和块内的双重方式，在空间和通道维度上实现特征聚合，从而具有强大的图像表示能力。具体来说，DAT 在连续的 Transformer 块中交替应用空间和通道自注意力，以...
本文聚焦于解决制约暗光算法应用的三个问题：训练集和现实暗光场景的退化特征的差异，现有的评价指标不能很好地衡量人眼感知质量，以及成对的训练集的欠缺。本文针对性地提出了三个机制以实现高效地暗光图像增强。具体来说，
本文了一个实时&轻量图像超分方案Bicubic++，它通过下采样模块降低图像分辨率以减少计算量，在网络尾部采用X6上采样进行图像重建，同时还构建了一个三阶段训练方案。在测试集上， 所提方案比Bicubic指标高~1dB，同时推理速度~1.17ms@RTX3090、2.9ms@RTX3070 (注：fp16精度，720p输入，4K输出)。此外，Bicubic++取得了NTR...
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。
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...
