移动计算、自主导航和AR/VR中的许多感知系统都面临着严格的计算限制，尤其是对于高分辨率输入图像的挑战。先前的作品提出了非均匀下采样器，可以“学习聚焦”于显著的图像区域，从而减少计算量，同时保留任务相关的图像信息。然而，对于具有空间标签的任务（如2D/3D物体检测和语义分割），这种扭曲可能会损害性能。在这项/工作中，本文“学习聚焦”于输入图像，计算空间特征，然后“反聚焦”以恢复任何形变。为了实现高效和可微分的反聚焦，本文使用分段双线性映射近似缩放变形，并保证其可逆性。LZU可以应用于具有2D空间输入的任何任务和具有2D空间特征的任何模型，并通过在不同任务和数据集上的评估证明了其多功能性：Argoverse-HD6上的物体检测、Cityscapes5上的语义分割以及NuScenes4上的单目3D物体检测。有趣的是，当高分辨率传感器数据不可用时，本文观察到性能提升，这意味着LZU也可以用于“学习上采样”。
标题：Learning to Zoom and Unzoom
作者：Chittesh Thavamani，Mengtian Li，Francesco Ferroni，Deva Ramanan
论文：https://arxiv.org/abs/2303.15390
代码：https://tchittesh.github.io/lzu/
