VALSE 论文速览 第15期:图像超分辨率中的稀疏性及高效推理

2021 年 9 月 17 日 VALSE

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展,VALSE最新推出了《论文速览》栏目,将在每周二和周五各发布一篇顶会顶刊论文的录制视频,对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自国防科技大学等单位的轻量化图像超分辨率方面的工作。该工作由安玮教授和郭裕兰副教授指导,王龙光同学录制。


论文题目:图像超分辨率中的稀疏性及高效推理

作者列表:王龙光 (国防科技大学),董晓宇 (东京大学,RIKEN AIP),王应谦 (国防科技大学),应昕怡 (国防科技大学),林再平 (国防科技大学),安玮 (国防科技大学),郭裕兰 (国防科技大学)

B站观看网址:

https://www.bilibili.com/video/BV1eL411x7sy/


复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。


论文摘要:

图像超分辨率旨在恢复图像中丢失的细节信息。在输入的低分辨率图像中,平滑区域比纹理区域的细节信息损失更少,直觉上这些区域需要较少的计算资源即可。然而,当前的图像超分辨率方法并没有考虑不同区域间的这一差异,而是对所有区域进行完全相同的处理,致使平滑区域中产生大量的冗余计算。为了解决这一问题,我们提出了稀疏掩膜超分辨率网络,能够利用图像超分辨率中的稀疏性跳过网络中的冗余计算,从而有效地减少了网络的计算复杂度,实现了超分辨率网络的高效推理。


论文信息:

[1] Longguang Wang, Xiaoyu Dong, Yingqian Wang, Xinyi Ying, Zaiping Lin, Wei An, Yulan Guo, “Exploring Sparsity in Image Super-Resolution for Efficient Inference,” in Proceeding of IEEE Computer Vision and Pattern Recognition (CVPR 2021), virtual, June 2021.


论文链接:

[https://openaccess.thecvf.com/content/CVPR2021/papers/Wang_Exploring_Sparsity_in_Image_Super-Resolution_for_Efficient_Inference_CVPR_2021_paper.pdf]


代码链接:

[https://github.com/LongguangWang/SMSR]


视频讲者简介:

王龙光,国防科技大学博士生,研究方向为深度学习与低层视觉,专注于图像超分辨与图像复原,在CCF A类期刊和会议TPAMI、TIP、CVPR、ICCV上发表6篇一作论文。



特别鸣谢本次论文速览主要组织者:

月度轮值AC:沈为 (上海交通大学)、赵恒爽 (牛津大学)

季度责任AC:王兴刚 (华中科技大学)


活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行,欢迎在B站搜索VALSE_Webinar关注我们!

直播地址:

https://live.bilibili.com/22300737;

历史视频观看地址:

https://space.bilibili.com/562085182/ 


2、VALSE Webinar活动通常每周三晚上20:00进行,但偶尔会因为讲者时区问题略有调整,为方便您参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ R群,群号:137634472);


*注:申请加入VALSE QQ群时需验证姓名、单位和身份缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。


3. VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。


4、您也可以通过访问VALSE主页:http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT(经讲者允许后),会在VALSE官网每期报告通知的最下方更新。


看到这了,确定不关注下吗?关注下再走吧~



登录查看更多
0

相关内容

中科院自动化所17篇CVPR 2022 新作速览!
专知会员服务
19+阅读 · 2022年3月19日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
37+阅读 · 2021年3月31日
专知会员服务
58+阅读 · 2021年3月25日
专知会员服务
50+阅读 · 2021年1月19日
专知会员服务
41+阅读 · 2020年12月1日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员