Fast Perceptual Image Enhancement
Fast Perceptual Image Enhancement
论文简介
这篇文章是ECCV-PRIM2018年挑战赛的,在图像增强任务上获得第二名,它是在DSLR论文的模型作为baseline,在它的基础上改进了生成器模型,判别器模型和loss函数的设计都跟baseline一样,但其速度大大提升,因此可以适用于移动设备上。
这篇文章通过在较低空间分辨率下完成大部分处理的网络架构,在CPU上实现了显著高于基准的平均意见得分(MOS),同时将计算速度提高了6.3倍。
网络结构
DSLR网络结构
本文的生成器网络结构
本文使用新的跨越式方法。生成器结构如图所示。为了减少棋盘伪影,选择了3×3的核大小,但在跨步卷积层中,选择了4×4。卷积层的数量从16个开始,在网络中间增加到64个。我们使用ADAM优化器和50批大小训练网络进行40k次迭代。
通过对比可以发现,block的数量从4变成了2,第一层和最后几层的通道数都大大减少,降低模型的复杂度。此外,为了进一步减少计算时间,还做了一个改进就是空间分辨率的减少,多出来的4* 4* 32和4* 4* 64其实是一个下采样(strided convolutional layers),每次卷积后feature map的大小就减半,在两个residual block后的两个卷积层相当于是两个上采样层(transposed convolution layers),将特征恢复到原始分辨率。在每个分辨率下,通过skip connection将相同分辨率的feature map学习一个残差,便于网络学习。作者对比了不同的卷积核大小、通道数及block数对模型性能与速度的影响,结果如下:
可以看到,本文提出的模型在不影响性能的情况下,实现了baseline近6.3倍的加速。虽然该模型由于上采样过程会引入轻微的棋盘伪影,但它是一个不损失图像质量的更快的模型,本文采用的数据集也是DPED,测试结果如下:
作者对不同通道卷积核大小、通道数以及激活函数进行了实验,最终权衡了效果和速度,选择了第三行的参数作为网络结构。
总结
与baseline相比,本文的方法生成的图像在某些方面更加精细,在边缘处没有色彩伪影,且减少噪声,纹理更清晰。从整体上来说,这篇文章的创新的不是很大,在baseline基础上网络结构的没有特别大的改动,但它的计算速度明显提升,这就表明了基于卷积神经网络的图像增强已经可以产生适用于移动设备的高质量的结果。
Fast Perceptual Image Enhancement相关推荐
- Fast Underwater Image Enhancement for Improved Visual Perception
今天介绍的是一篇发表在IEEE Robotics and Automation Letters,2020的一篇水下图像增强的论文 数据集 水下图像工作的一大难点在于难以获得pair的数据集,现有的数据 ...
- 【今日CS 视觉论文速览】1 Jan 2019
今日CS.CV计算机视觉论文速览 Tue, 1 Jan 2019 Totally 52 papers Interesting: 图片快速视觉效果增强算法,基于Ignatov的算法提高图像的感知质量,利 ...
- 基于深度学习的图像增强综述
作者丨木瓜子@知乎 编辑丨极市平台 来源丨https://zhuanlan.zhihu.com/p/82352961 这篇博客主要介绍之前看过的一些图像增强的论文,针对普通的图像,比如手机拍摄的那种, ...
- 【计算摄影】计算机如何学会自动地进行图像美学增强?
作者&编辑 | 言有三 1 图像美学增强基础 1.1 什么是美学增强 一幅图像要有更好的美感,最基本的要求就是对比度分布合理,饱和度以及色调符合图像主题,本次我们从图像对比度增强和色调增强两个 ...
- 【每周CV论文】初学深度学习图像对比度增强应该要读的文章
欢迎来到<每周CV论文>.在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的. 图像对比度增强,即增强图像中的有用信息,抑制无用 ...
- 如何对计算属性进行修改_「计算摄影」计算机如何学会自动地进行图像美学增强?...
大家好,这是专栏<计算摄影>的第四篇文章,这一个专栏来自于计算机科学与摄影艺术的交叉学科.今天我们讨论的问题是如何学会做图像增强. 作者&编辑 | 言有三 1 图像美学增强基础 1 ...
- 【ECCV2020】接收论文列表part1
ECCV2020将于2020年8月23-28日在线上举行,今年共接受了1361篇论文,本文是接收论列表的第一部分,第二部见链接 Paper ID Paper Title Category 267 Qu ...
- paper survey(2019.06.05)——卷积网络feature map的传递与利用
最近阅读大量的paper来寻找突破点,就不打算一篇一篇的写博文的,直接记录于此(比较有意思的paper会独立出来博客) 目录 <Scale-Transferrable Object Detect ...
- [实用超分网络大赏]《Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI 2021 Challenge》
摘要:图像超分是最流行的计算机视觉问题之一,它在移动手机设备上有许多重要的应用.虽然针对该任务已经出现了许多解决方案,这些方案通常不能直接在智能手机的AI硬件上使用,更不用提有更多限制的智能TV平台, ...
最新文章
- java map 迭代遍历_java 遍历Map的四种方式
- vscode如何找letax模板_一直努力却找不到变美思路?韩国新一代「整容模板」,教你如何提高美商、科学变美!...
- 基于 abp vNext 和 .NET Core 开发博客项目 - Blazor 实战系列(九)
- OLEDB不使用SQL语句直接打开数据表
- python中文件描述符_Python中的描述符
- MSON,让JSON序列化更快
- 监听 html dom 变化,js怎么监听元素属性变化
- Linux系统管理(5)——使用yum快速搭建LAMP环境【方便快捷版】
- 使用Maven构建Eova项目
- 2022-08-20 mysql范围查询技术专利交底书
- 公有云上应该怎么做容灾?
- 华为云迁移工具推荐最佳实践:Hyper-V虚拟化迁移到华为云
- mellanox在vmware中的切割
- linux下7z压缩包解压
- win10共享打印机709问题
- 下载360图片(一)
- openstack 自己制作云桌面linux瘦客户机
- 2021绝地求生dm雷达
- C++ pthread cond_wait 和 cond_broadcast的使用
- 被迫营业大学老师?最“艰苦”的人工智能培训班是如何炼成的