VALSE 论文速览 第15期：图像超分辨率中的稀疏性及高效推理

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/

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)