论文标题：Attentive Fine-Grained Structured Sparsity for Image Restoration

论文链接：https://arxiv.org/abs/2204.12266

代码链接：https://github.com/JungHunOh/SLS_CVPR2022

作者单位：ASRI & 首尔大学 & NVIDIA

近年来，通过开发大型深度模型，图像恢复任务取得了巨大的性能提升。尽管具有出色的性能，但深度模型所需的大量计算限制了图像恢复的应用。为了解除限制，需要在保持准确性的同时减小网络的大小。最近，N:M 结构化剪枝已经成为一种有效且实用的剪枝方法。在精度约束下使模型高效的剪枝方法。然而，它未能考虑图像恢复网络不同层的不同计算复杂性和性能要求。为了进一步优化效率和恢复精度之间的权衡，我们提出了一种新的剪枝方法，该方法确定每层 N:M 结构稀疏度的剪枝率。超分辨率和去模糊任务的大量实验结果证明了我们方法的有效性，显着优于以前的剪枝方法。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除