MULLER: Multilayer Laplacian Resizer for Vision
Zhengzhong Tu, Peyman Milanfar, Hossein Talebi
[Google Research]
MULLER: 面向视觉的多层拉普拉斯缩放器
要点:
- 动机:深度学习中,图像缩放方法的前端缩放器会影响深度视觉模型的性能,现有方法受限于常见的可用缩放器,尚未探究其它缩放器的潜力。
- 方法:提出一种基于多层拉普拉斯分解的图像缩放方法MULLER,能以极低的成本有效地提高深度视觉任务的性能。
- 优势:与现有方法相比,MULLER具有更高的性能和更高的推理效率;可以轻松地应用于不同的训练流程和多种深度视觉任务中,包括图像分类、目标检测和分割、图像质量评估等。
一句话总结:
MULLER是一种轻量的、基于多层拉普拉斯分解的图像缩放方法,能有效提高图像识别模型的性能和推理效率。
https://arxiv.org/abs/2304.02859
正文完
可以使用微信扫码关注公众号(ID:xzluomor)