Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Vitória, André Barbosa da
Orientador(a): Boldt, Francisco de Asis
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Serra
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais (Computação)
Video Super Resolution (VSR)
Dispositivos móveis
SRResNet
Extreme Low-Power Super Resolution (ELSR)
Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/5743
Resumo: RESUMO: Apesar das evoluções no processamento de imagens para Super Resolução, técnicas energeticamente eficientes que possam ser aplicadas em dispositivos móveis ainda precisam ser exploradas. Para isso, este trabalho apresenta uma análise comparativa de arquiteturas de redes neurais profundas para Super Resolução de Vídeos (Video Super Resolution - VSR) em dispositivos móveis. Foram avaliados dois modelos: a SRResNet e a ELSR, vencedor da Mobile AI Challenge de 2022. As redes foram treinadas e testadas utilizando o REDS Dataset, que contém amostras de vídeo em alta e baixa resolução. A avaliação de desempenho foi realizada com base em três métricas principais: Peak Signal-to-Noise Ratio (PSNR), tempo de execução e consumo energético. A SRResNet alcançou um PSNR médio de 28,29, superando ligeiramente o PSNR de 27,91 da ELSR. Em termos de velocidade de execução, a SRResNet demonstrou melhor desempenho com um tempo médio de 0, 2ms por quadro, enquanto a ELSR necessitou de 2, 11ms. No aspecto de eficiência energética, a SRResNet consumiu apenas 0, 09W em comparação com os 0, 24W da ELSR. Estes resultados indicam que a SRResNet oferece um equilíbrio promissor entre qualidade de imagem, tempo de execução e consumo de energia, sendo uma solução viável para VSR em dispositivos móveis com recursos limitados.
id IFES-2_f50d142ee7be94e987b8bf8516f73367
oai_identifier_str oai:repositorio.ifes.edu.br:123456789/5743
network_acronym_str IFES-2
network_name_str Repositório Institucional do IFES
repository_id_str
spelling Vitória, André Barbosa daAndrade, Jefferson OliveiraDias, Danielle Furtado dos SantosSeibel Junior, HilárioBoldt, Francisco de AsisJunior, Hilário Seibel2025-02-19T12:26:10Z2025-02-19T12:26:10Z2024Vitória, André Barbosa da. Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis. 2024. 61 f. Dissertação (Mestrado em Computação Aplicada) - Instituto Federal do Espírito Santo, Campus Serra, Serra, 2024.https://repositorio.ifes.edu.br/handle/123456789/574330004012075P4RESUMO: Apesar das evoluções no processamento de imagens para Super Resolução, técnicas energeticamente eficientes que possam ser aplicadas em dispositivos móveis ainda precisam ser exploradas. Para isso, este trabalho apresenta uma análise comparativa de arquiteturas de redes neurais profundas para Super Resolução de Vídeos (Video Super Resolution - VSR) em dispositivos móveis. Foram avaliados dois modelos: a SRResNet e a ELSR, vencedor da Mobile AI Challenge de 2022. As redes foram treinadas e testadas utilizando o REDS Dataset, que contém amostras de vídeo em alta e baixa resolução. A avaliação de desempenho foi realizada com base em três métricas principais: Peak Signal-to-Noise Ratio (PSNR), tempo de execução e consumo energético. A SRResNet alcançou um PSNR médio de 28,29, superando ligeiramente o PSNR de 27,91 da ELSR. Em termos de velocidade de execução, a SRResNet demonstrou melhor desempenho com um tempo médio de 0, 2ms por quadro, enquanto a ELSR necessitou de 2, 11ms. No aspecto de eficiência energética, a SRResNet consumiu apenas 0, 09W em comparação com os 0, 24W da ELSR. Estes resultados indicam que a SRResNet oferece um equilíbrio promissor entre qualidade de imagem, tempo de execução e consumo de energia, sendo uma solução viável para VSR em dispositivos móveis com recursos limitados.ABSTRACT: Despite advancements in image processing for Super Resolution, energy-efficient techniques that can be applied to mobile devices still need to be explored. With that in mind, this work presents a comparative analysis of deep neural network architectures for Video Super Resolution (VSR) on mobile devices. Two models were evaluated: SRResNet, introduced by Ledig et al. (2017), and ELSR, winner of the 2022 Mobile AI Challenge. The networks were trained and tested using the REDS Dataset, which provides both high and low-resolution video frames. Performance evaluation was based on three key metrics: Peak Signal-to-Noise Ratio (PSNR), execution time, and energy consumption. SRResNet achieved an average PSNR of 28.29, slightly surpassing the 27.91 PSNR of ELSR. Regarding execution speed, SRResNet demonstrated superior performance with an average runtime of 0.2ms, while ELSR required 2.11ms per frame. Regarding energy efficiency, SRResNet consumed only 0.09W compared to ELSR’s 0.24W. These results indicate that SRResNet provides a balanced trade-off between image quality, runtime, and energy consumption, making it a promising solution for VSR on resource-constrained mobile devices.61 f.Redes neurais (Computação)Video Super Resolution (VSR)Dispositivos móveisSRResNetExtreme Low-Power Super Resolution (ELSR)Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSerrainfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional do IFESinstname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)instacron:IFESCampus Serrahttp://lattes.cnpq.br/0385991152092556https://orcid.org/0000-0001-6919-5377http://lattes.cnpq.br/8155773475663050https://orcid.org/0000-0003-0099-6760Computação Aplicadahttp://lattes.cnpq.br/7138275599443632https://orcid.org/0000-0002-5321-9239LICENSElicense.txtlicense.txttext/plain; charset=utf-8934https://repositorio.ifes.edu.br/bitstreams/ce2700f7-d920-4404-a7b9-ec52c6916b81/downloadac7cb971050ed632be934da23d966924MD52falseAnonymousREADORIGINALDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdfDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdfapplication/pdf37804828https://repositorio.ifes.edu.br/bitstreams/b34a310e-7066-447a-80fc-e1f710afdb33/download16c77ad30224dc6b4959f4d20ffca229MD51trueAnonymousREADTEXTDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdf.txtDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdf.txtExtracted texttext/plain96859https://repositorio.ifes.edu.br/bitstreams/b74a7353-b9a6-453f-8799-ecc119bb2605/downloadced7955454634cf47715c2d72dbfabbeMD53falseAnonymousREADTHUMBNAILDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdf.jpgDissetação_André_Vitória_-_Video_Super_Resolution_final_repositorio.pdf.jpgGenerated Thumbnailimage/jpeg2088https://repositorio.ifes.edu.br/bitstreams/39df83ab-5da7-429b-a9f5-165694fd565d/download5631aab03bab25b360d6139a50b13611MD54falseAnonymousREAD123456789/57432025-08-27T18:25:10.287Zopen.accessoai:repositorio.ifes.edu.br:123456789/5743https://repositorio.ifes.edu.brRepositório InstitucionalPUBhttps://repositorio.ifes.edu.br/server/oai/requestrepositorio@ifes.edu.bropendoar:2025-08-27T18:25:10Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)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
dc.title.pt_BR.fl_str_mv Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
title Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
spellingShingle Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
Vitória, André Barbosa da
Redes neurais (Computação)
Video Super Resolution (VSR)
Dispositivos móveis
SRResNet
Extreme Low-Power Super Resolution (ELSR)
title_short Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
title_full Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
title_fullStr Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
title_full_unstemmed Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
title_sort Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis
author Vitória, André Barbosa da
author_facet Vitória, André Barbosa da
author_role author
dc.contributor.member.none.fl_str_mv Andrade, Jefferson Oliveira
Dias, Danielle Furtado dos Santos
Seibel Junior, Hilário
dc.contributor.author.fl_str_mv Vitória, André Barbosa da
dc.contributor.advisor1.fl_str_mv Boldt, Francisco de Asis
dc.contributor.advisor-co1.fl_str_mv Junior, Hilário Seibel
contributor_str_mv Boldt, Francisco de Asis
Junior, Hilário Seibel
dc.subject.por.fl_str_mv Redes neurais (Computação)
Video Super Resolution (VSR)
Dispositivos móveis
SRResNet
Extreme Low-Power Super Resolution (ELSR)
topic Redes neurais (Computação)
Video Super Resolution (VSR)
Dispositivos móveis
SRResNet
Extreme Low-Power Super Resolution (ELSR)
description RESUMO: Apesar das evoluções no processamento de imagens para Super Resolução, técnicas energeticamente eficientes que possam ser aplicadas em dispositivos móveis ainda precisam ser exploradas. Para isso, este trabalho apresenta uma análise comparativa de arquiteturas de redes neurais profundas para Super Resolução de Vídeos (Video Super Resolution - VSR) em dispositivos móveis. Foram avaliados dois modelos: a SRResNet e a ELSR, vencedor da Mobile AI Challenge de 2022. As redes foram treinadas e testadas utilizando o REDS Dataset, que contém amostras de vídeo em alta e baixa resolução. A avaliação de desempenho foi realizada com base em três métricas principais: Peak Signal-to-Noise Ratio (PSNR), tempo de execução e consumo energético. A SRResNet alcançou um PSNR médio de 28,29, superando ligeiramente o PSNR de 27,91 da ELSR. Em termos de velocidade de execução, a SRResNet demonstrou melhor desempenho com um tempo médio de 0, 2ms por quadro, enquanto a ELSR necessitou de 2, 11ms. No aspecto de eficiência energética, a SRResNet consumiu apenas 0, 09W em comparação com os 0, 24W da ELSR. Estes resultados indicam que a SRResNet oferece um equilíbrio promissor entre qualidade de imagem, tempo de execução e consumo de energia, sendo uma solução viável para VSR em dispositivos móveis com recursos limitados.
publishDate 2024
dc.date.issued.fl_str_mv 2024
dc.date.accessioned.fl_str_mv 2025-02-19T12:26:10Z
dc.date.available.fl_str_mv 2025-02-19T12:26:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv Vitória, André Barbosa da. Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis. 2024. 61 f. Dissertação (Mestrado em Computação Aplicada) - Instituto Federal do Espírito Santo, Campus Serra, Serra, 2024.
dc.identifier.uri.fl_str_mv https://repositorio.ifes.edu.br/handle/123456789/5743
dc.identifier.capes.pt_BR.fl_str_mv 30004012075P4
identifier_str_mv Vitória, André Barbosa da. Uma solução rápida e eficiente para vídeo super resolution em dispositivos móveis. 2024. 61 f. Dissertação (Mestrado em Computação Aplicada) - Instituto Federal do Espírito Santo, Campus Serra, Serra, 2024.
30004012075P4
url https://repositorio.ifes.edu.br/handle/123456789/5743
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 61 f.
dc.publisher.none.fl_str_mv Serra
publisher.none.fl_str_mv Serra
dc.source.none.fl_str_mv reponame:Repositório Institucional do IFES
instname:Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron:IFES
instname_str Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
instacron_str IFES
institution IFES
reponame_str Repositório Institucional do IFES
collection Repositório Institucional do IFES
bitstream.url.fl_str_mv https://repositorio.ifes.edu.br/bitstreams/ce2700f7-d920-4404-a7b9-ec52c6916b81/download
https://repositorio.ifes.edu.br/bitstreams/b34a310e-7066-447a-80fc-e1f710afdb33/download
https://repositorio.ifes.edu.br/bitstreams/b74a7353-b9a6-453f-8799-ecc119bb2605/download
https://repositorio.ifes.edu.br/bitstreams/39df83ab-5da7-429b-a9f5-165694fd565d/download
bitstream.checksum.fl_str_mv ac7cb971050ed632be934da23d966924
16c77ad30224dc6b4959f4d20ffca229
ced7955454634cf47715c2d72dbfabbe
5631aab03bab25b360d6139a50b13611
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do IFES - Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES)
repository.mail.fl_str_mv repositorio@ifes.edu.br
_version_ 1864451016470036480

Registros relacionados