LiteKD-Net 通过知识蒸馏提供高效的移动图像去噪

研究人员开发了 LiteKD-Net，这是一种专为移动图像去噪设计的新型轻量级网络。该网络满足了移动设备上高质量图像恢复和低计算成本的需求。它利用新颖的物理引导噪声模拟管道来生成训练数据，并采用 Lite-RRDB 块来实现更高效的学生模型。通过特征级知识蒸馏，LiteKD-Net 在不增加推理时间的情况下有效地将恢复能力从较大的教师模型转移过来，在质量和效率方面均优于 SwinIR 等现有模型。 AI

影响 为资源受限的移动设备上的图像去噪提供了更有效的解决方案。

排序理由 详细介绍新模型架构和训练方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• LiteKD-Net
• Lite-RRDB
• Real-ESRGAN
• SwinIR

• 论文
• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →