3 个月前

WaveMixSR-V2:通过更高效率提升超分辨率性能

WaveMixSR-V2:通过更高效率提升超分辨率性能

摘要

近年来,单图像超分辨率技术的发展主要得益于令牌混合器(token mixer)与Transformer架构的推动。WaveMixSR采用了WaveMix架构,利用二维离散小波变换实现空间域的令牌混合,在超分辨率任务中取得了卓越性能,同时展现出出色的资源效率。在本研究中,我们对WaveMixSR架构进行了优化,主要包含两点改进:(1)用像素重排(pixel shuffle)操作替代传统的转置卷积层;(2)引入多阶段设计,以应对更高分辨率的重建任务(如4×超分辨率)。实验结果表明,所提出的增强模型WaveMixSR-V2在多个超分辨率任务中均优于现有架构,在BSD100数据集上达到了当前最优(state-of-the-art)性能,同时具备更低的资源消耗、更高的参数效率、更短的延迟以及更高的吞吐量。相关代码已开源,地址为:https://github.com/pranavphoenix/WaveMixSR。

代码仓库

pranavphoenix/WaveMixSR
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
image-super-resolution-on-bsd100-2x-upscalingWaveMixSR-V2
PSNR: 33.12
SSIM: 0.9326
image-super-resolution-on-bsd100-4x-upscalingWaveMixSR-V2
PSNR: 27.87
SSIM: 0.764

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
WaveMixSR-V2:通过更高效率提升超分辨率性能 | 论文 | HyperAI超神经