Real-Time Super-Resolution for Real-World Images on Mobile Devices

要約

画像超解像（ISR）。これは、対応する低解像度（LR）の対応物から高解像度（HR）画像を復元することを目的としています。
ISRの最近の進歩は目覚ましいものですが。
ただし、最近のアプローチのほとんどはディープラーニングベースであるため、エッジデバイスに展開するには計算量が多すぎます。
さらに、これらの方法は、実際のシーンでは常に失敗します。これらの方法のほとんどは、高品質の画像から単純な固定の「理想的な」バイキュービックダウンサンプリングカーネルを採用して、周波数関連の詳細を追跡できなくなる可能性のあるLR/HRトレーニングペアを構築するためです。
この作業では、モバイルデバイスでのリアルタイムISRのアプローチを紹介します。これにより、実際のシナリオでのさまざまな劣化に対処できます。
従来の超解像データセット（Set5、Set14、BSD100、Urban100、Manga109、DIV2K）とさまざまな劣化を伴う実世界の画像での広範な実験は、私たちの方法が最先端の方法よりも優れており、PSNRとSSIMが高いことを示しています
、ノイズが少なく、視覚的な品質が向上します。
最も重要なことは、私たちの方法がモバイルまたはエッジデバイスでリアルタイムのパフォーマンスを実現することです。

要約(オリジナル)

Image Super-Resolution (ISR), which aims at recovering High-Resolution (HR) images from the corresponding Low-Resolution (LR) counterparts. Although recent progress in ISR has been remarkable. However, they are way too computationally intensive to be deployed on edge devices, since most of the recent approaches are deep learning-based. Besides, these methods always fail in real-world scenes, since most of them adopt a simple fixed ‘ideal’ bicubic downsampling kernel from high-quality images to construct LR/HR training pairs which may lose track of frequency-related details. In this work, an approach for real-time ISR on mobile devices is presented, which is able to deal with a wide range of degradations in real-world scenarios. Extensive experiments on traditional super-resolution datasets (Set5, Set14, BSD100, Urban100, Manga109, DIV2K) and real-world images with a variety of degradations demonstrate that our method outperforms the state-of-art methods, resulting in higher PSNR and SSIM, lower noise and better visual quality. Most importantly, our method achieves real-time performance on mobile or edge devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google