机构名称：
¥ 1.0
传统的超分辨率（SR）方案大量使用卷积神经网络（CNN），涉及密集的多重积累（MAC）操作，并且需要特殊的硬件，例如图形处理单元。这与经常在功率，计算和存储资源紧张的设备上运行的Edge AI的制度相矛盾。这样的挑战激发了一系列基于查找表（LUT）的SR方案，这些方案采用了简单的LUT读数，并且在很大程度上避免了CNN计算。尽管如此，现有方法中的多兆字节仍然禁止片上存储，并且需要芯片内存储器运输。这项工作解决了此存储障碍，并创新了一百千洛伊特LUT（HKLUT）型号，可容纳在片上缓存。利用不规则的两分支多阶段网络，再加上一系列专业内核图案，HKLUT表现出了毫不妥协的性能和优越的硬件效率，对现有的LUT方案。我们的实施可在以下网址公开获取：https：//github.com/jasonli0707/hklut。
一百千里的查找表，用于有效的单片超级分辨率
主要关键词
相关文件推荐
