PulseAugur
中
实时 11:49:53
English(EN) UltraFast-LiNET: Light-weight multi-scale shift convolutional network for real-time low-light image enhancement

UltraFast-LiNET：用于实时弱光图像增强的轻量级网络

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了UltraFast-LiNET，这是一种高效的卷积神经网络，专为资源受限的边缘设备上的实时弱光图像增强而设计。该网络采用新颖的动态移位卷积（DSConv）运算和多尺度移位残差块（MSRB），以最小的参数实现大的感受野。为解决轻量级模型的训练挑战，引入了多级梯度感知损失函数。UltraFast-LiNET展示了具有竞争力的性能，在LOL数据集上以仅180个可学习参数实现了19.81 dB的PSNR，在实时处理和边缘部署的图像质量之间取得了平衡。 AI

影响 这项研究为边缘设备上的实时图像增强提供了一种新的轻量级模型，有望提高自动驾驶和移动摄影等应用的性能。

排序理由 这是一篇详细介绍图像增强新模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

UltraFast-LiNET：用于实时弱光图像增强的轻量级网络

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yuhan Chen, Yicui Shi, Guofa Li, Guangrui Bai, Wenxuan Yu, Ying Fang, Wenbo Chu, Keqiang Li ·

    UltraFast-LiNET：轻量级多尺度移位卷积网络，用于实时低光图像增强

    arXiv:2512.02965v2 Announce Type: replace Abstract: Addressing the urgent need for high-performance real-time low-light image enhancement on resource-constrained edge devices in low-illumination scenarios such as nighttime and tunnels, this paper presents UltraFast-LiNET, an ultr…

相关话题