Tag · 2 篇
特征压缩
分布 高效模型与推理加速1底层视觉与图像复原1
01 02
ShiftLUT：面向高效图像复原的空间偏移增强查找表
ShiftLUT: Spatial Shift Enhanced Look-Up Tables for Efficient Image Restoration
用可学习通道级空间偏移（LSS）在不增加 LUT 体积的前提下扩展感受野，配合非对称双分支把算力倾斜到信息密集分支以降低推理延迟，这套思路可直接迁移到任何基于 LUT 或轻量卷积的端侧图像复原/增强模型设计。
RegionFuse：面向红外与可见光图像融合的区域自适应像素分布学习
RegionFuse: Region-Adaptive Pixel Distribution Learning for Infrared and Visible Image Fusion
将混合专家（MoE）与区域级注意力结合，按局部像素分布动态生成融合权重，这一「区域自适应权重生成」思路可直接迁移到多曝光融合、多模态特征融合、动态卷积等需要空间自适应加权的视觉任务。