典型文献
基于重参数化多尺度融合网络的高效极暗光原始图像降噪
文献摘要：
实用的暗光降噪增强解决方案往往需要具备计算速度快、内存效率高、能够实现视觉上高质量的降噪等优点.现有方法大多以提升降噪质量为目标,因此在速度和内存要求上有所折中,这在很大程度上限制了其实用性.文中提出了一种新的深度降噪网络——重参数化多尺度融合网络,用于极暗光单张原始图像降噪,在不损失降噪性能的同时加快模型的推断速度并降低内存开销.具体地,在多尺度空间提取图像特征,利用轻量级的空间通道并行注意力模块动态自适应地聚焦于空间及通道中的核心特征;同时使用重参数化的卷积单元,在不增加任何推断计算量的情况下进一步丰富模型的表征能力.该模型在常见CPU上(如Intel i7-7700K)可以在1s左右恢复超高清4K分辨率图像,在普通GPU(如NVIDIA GTX 1080Ti)上以24帧率的速度运行,在几乎4倍快于现有先进方法(如UNet)的同时仍保持具有竞争力的恢复质量.
文献关键词：
重参数化卷积单元;多尺度融合;空间通道并行注意力模块;极暗光图像降噪
中图分类号：
作者姓名：
魏恺轩;付莹
作者机构：
北京理工大学计算机学院 北京100081
文献出处：
引用格式：
[1]魏恺轩;付莹-.基于重参数化多尺度融合网络的高效极暗光原始图像降噪)[J].计算机科学,2022(08):120-126
A类：
空间通道并行注意力模块,7700K,重参数化卷积单元,极暗光图像降噪
B类：
多尺度融合网络,原始图像,光降,强解,计算速度,存效,升降,折中,单张,降噪性能,开销,多尺度空间,图像特征,轻量级,动态自适应,核心特征,断计,计算量,表征能力,CPU,Intel,i7,1s,超高清,4K,GPU,NVIDIA,GTX,1080Ti,帧率,快于,UNet,恢复质量
AB值：
0.317555
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
