Towards Protecting Face Embeddings in Mobile Face Verification Scenarios
Idiap Research Institute（Idiap研究所）
本文提出PolyProtect方法，通过用户特定多项式映射保护移动人脸验证中的嵌入，在完全知情攻击者威胁下实现准确性与不可逆性的平衡，并确保模板不可关联。
2022-01-27 cs.CR cs.CV
FaceLiVTv2: An Improved Hybrid Architecture for Efficient Mobile Face Recognition
Department of Electro-Optics, National Formosa University（国立虎尾科技大学光电工程系）；Department of Electrical Engineering, National Taipei University（国立台北大学电机工程系）；College of Artificial Intelligence and Green Energy, National Yang Ming Chiao Tung University（国立阳明交通大学人工智能与绿色能源学院）
本文提出FaceLiVTv2，通过轻量级全局-局部特征交互模块提升移动人脸识别的准确率与效率平衡，实验显示其在多个数据集上均优于现有方法，显著降低推理延迟。
2026-04-10 cs.CV
A Lightweight Face Quality Assessment Framework to Improve Face Verification Performance in Real-Time Screening Applications
theCircle Ltd（theCircle有限公司）；General Department of Forensic Science and Criminology Dubai Police Headquarters（迪拜警察总部法医学与犯罪学部门）；Centre for Visual Computing and Intelligent Systems（视觉计算与智能系统中心）
本文提出结合归一化面部关键点与 Random Forest Regression 的轻量人脸质量评估框架，用于预过滤低质量图像，并在 Dubai Police 真实 CCTV 数据集上显著提升 ArcFace 人脸验证性能。
2025-07-27 cs.AI cs.CV
Leaner and Faster: Two-Stage Model Compression for Lightweight Text-Image Retrieval
Shanghai Jiao Tong University（上海交通大学）
当前的文本-图像方法（例如，CLIP）通常采用双编码器架构，使用预训练的视觉语言表示。然而，这些模型仍然提出了非平凡的内存需求和大量的增量索引时间，这使得它们在移动设备上不太实用。在本文中，我们提出了一个有效的两阶段框架来压缩大型预训练的双编码器，用于轻量级文本图像检索。结果模型更小（原始模型的39%），速度更快（处理图像/文本分别为1.6倍/2.9倍），但在Flickr 30 K和MSCOCO基准测试中的性能与原始完整模型相当或更好。我们还开源了一个附带的逼真的移动图像搜索应用程序。
2022-04-29 cs.CL cs.CV
Progressive Multi-stage Interactive Training in Mobile Network for Fine-grained Recognition
细粒度视觉分类（FGVC）旨在从子类别中识别对象。这是一个非常具有挑战性的任务，因为阶级之间的微妙差异。现有的研究采用大规模的卷积神经网络或视觉Transformers作为特征提取器，这是非常昂贵的计算。事实上，细粒度识别的真实场景通常需要一个可以离线使用的更轻量级的移动网络。然而，基本的移动网络特征提取能力弱于大规模模型。本文基于轻量级的MobilenetV 2，提出了一种基于递归马赛克生成器的渐进式多阶段交互训练方法（RMG-PMSI）。首先，我们提出了一个递归的马赛克生成器（RMG），生成图像的不同粒度在不同的阶段。然后，不同阶段的特征通过多阶段交互（MSI）模块，该模块加强和补充了不同阶段的相应特征。最后，使用渐进式训练（P），可以充分利用模型在不同阶段提取的特征并相互融合。在三个著名的细粒度基准上的实验表明，RMG-PMSI可以显着提高性能，具有良好的鲁棒性和可移植性。
2021-12-08 cs.CV cs.LG
Analysis of Hyperparameter Optimization Effects on Lightweight Deep Models for Real-Time Image Classification
Homi Bhabha National Institute（霍米·巴巴国家研究所）；Variable Energy Cyclotron Centre（可变能量回旋加速器中心）；Gargi Memorial Institute of Technology（加尔吉纪念技术学院）；Jadavpur University（贾达普大学）
本文研究了七种轻量级模型在超参数优化下的准确率和部署可行性，发现超参数调整可提升1.5-3.5%的准确率，并展示部分模型在边缘计算中的高效性能。
2025-10-16 cs.AI cs.CV cs.LG
RepViT: Revisiting Mobile CNN From ViT Perspective
Tsinghua University（清华大学）；BNRist（北京信息科学与技术国家研究中心）；The University of Sheffield（谢菲尔德大学）
从ViT视角重新设计轻量级CNN，提出RepViT系列，在ImageNet上以1.0ms延迟达到80%+准确率，且RepViT-SAM推理比MobileSAM快近10倍。
2024-03-14 cs.CV
Joint Estimation of Age and Gender from Unconstrained Face Images using Lightweight Multi-task CNN for Mobile Applications
Institute of Information Science, Academia Sinica（中央研究院资讯科学研究所）
基于无约束图像的自动年龄和性别分类已经成为移动设备上的基本技术。在有限的计算能力下，如何开发一个健壮的系统成为一个具有挑战性的任务。在本文中，我们提出了一种高效的卷积神经网络（CNN），称为轻量级多任务CNN，用于同时进行年龄和性别分类。轻量级多任务CNN使用深度可分离卷积来减少模型大小并节省推理时间。在公开的Adience数据集上，年龄和性别分类的准确性优于基线多任务CNN方法。
2018-06-06 cs.CV
MobileIE: An Extremely Lightweight and Effective ConvNet for Real-Time Image Enhancement on Mobile Devices
UESTC
MobileIE提出约4K参数的极轻量CNN，结合重参数化、增量权重优化、特征自变换和分层双路径注意力，首次在移动端实现高达1100 FPS的实时图像增强，并在速度与质量间取得最佳平衡。
2025-07-02 cs.CV
MobileSAM2: Lightweight Segment Anything for Spatial Intelligence
Hong Kong Polytechnic University（香港理工大学）；Nanyang Technological University（南洋理工大学）；Xidian University（西安电子科技大学）；SparcAI Inc.（SparcAI公司）
研究旨在使SAM2更适用于移动设备，提出超图知识蒸馏方法HyperKD，由时间和粒度超图知识蒸馏构成，能有效建模转移知识。还推出MobileSAM2家族，经实验验证其在多基准测试及具身AI任务上有良好泛化性能。
2026-07-15 cs.CV
Migrating Face Swap to Mobile Devices: A lightweight Framework and A Supervised Training Solution
iQIYI Inc（爱奇艺公司）；Nanjing University（南京大学）
现有的人脸交换方法严重依赖于大规模网络的足够容量来生成视觉上合理的结果，这限制了其在资源受限平台上的应用。在这项工作中，我们提出了MobileFSGAN，一种新的轻量级GAN的人脸交换，可以运行在移动设备上，参数少得多，同时实现有竞争力的性能。设计了一个轻量级的编解码器结构，专门用于图像合成任务，它只有10.2MB，可以在移动设备上以实时速度运行。为了解决训练这样一个小网络的不稳定性，我们利用面部属性编辑技术构建了FSTriplets数据集。FSTriplets提供源-目标-结果训练三元组，产生像素级标签，从而首次使训练过程受到监督。我们还设计了多尺度梯度损失，以实现高效的反向传播，从而实现更快更好的收敛。实验结果表明，我们的模型达到了与最先进的方法相当的性能，同时显着减少了网络参数的数量。代码和数据集已经发布。
2022-04-13 cs.CV
Lightweight RGB-T Tracking with Mobile Vision Transformers
Department of Electrical and Computer Engineering（电气与计算机工程系）；Concordia University（康科迪亚大学）
本文提出了一种基于MobileViT的轻量级RGB-T跟踪器，通过渐进融合框架和可分离混合注意力模型，实现低参数量和高实时性能的多模态跟踪。
2026-02-02 cs.CV
MobileFaceNets: Efficient CNNs for Accurate Real-Time Face Verification on Mobile Devices
Beijing Jiaotong University（北京交通大学）
我们提出了一类非常高效的CNN模型MobileFaceNets，它使用不到100万个参数，专门为移动和嵌入式设备上的高精度实时的【形】人脸验证量身定制。我们首先对常见的移动网络进行人脸验证的弱点进行了简单分析。我们专门设计的MobileFaceNets已经很好地克服了这一弱点。在相同的实验条件下，我们的MobileFaceNets实现了显著优越的准确性，以及超过MobileNetV 2的2倍的实际加速。在经过改进的MS-Celeb-1 M上的ArcFace损失训练后，我们的4.0MB大小的单个MobileFaceNet在LFW上达到99.55%的准确率，在MegaFace上达到92.59%的TAR@FAR1e-6，这甚至可以与数百MB大小的最先进的大型CNN模型相媲美。最快的MobileFaceNets在手机上的实际推理时间为18毫秒。对于人脸验证，MobileFaceNets比以前最先进的移动CNN实现了显着提高的效率。
2018-06-15 cs.CV cs.LG
LiteKD-Net: Lightweight Knowledge-Distilled Network for Mobile Image Denoising
本文针对移动端图像去噪需兼顾复原质量与计算成本、配对数据难采集的问题，提出LiteKD-Net，通过物理引导噪声模拟、适配Real-ESRGAN、特征级知识蒸馏实现高效去噪，性能优于SwinIR。
2026-08-07 cs.CV
Faster Segment Anything: Towards Lightweight SAM for Mobile Applications
Kyung Hee University（庆熙大学）
本文通过解耦蒸馏方法将重量级图像编码器替换为轻量级编码器，提出适用于移动设备的 MobileSAM，其体积比原始 SAM 小 60 倍且性能相当，推理速度更快。
2023-07-01 cs.CV
MobileFaceSwap: A Lightweight Framework for Video Face Swapping
Baidu Inc.（百度公司）；South China University of Technology（华南理工大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
先进的人脸交换方法已经取得了吸引人的结果。然而，这些方法中的大多数都有许多参数和计算，这使得将它们应用于实时应用或将它们部署在移动电话等边缘设备上具有挑战性。在这项工作中，我们提出了一个轻量级的身份感知动态网络（IDN）的主体不可知的人脸交换，根据身份信息动态调整模型参数。特别是，我们设计了一个有效的身份注入模块（IIM）通过引入两个动态神经网络技术，包括权重预测和权重调制。一旦IDN被更新，它可以被应用于交换给定任何目标图像或视频的面孔。所提出的IDN仅包含0.50M参数，每帧需要0.33G FLOPs，使其能够在移动电话上进行实时视频人脸交换。此外，本文还提出了一种基于知识蒸馏的稳定训练方法，并引入了损失重权模块以获得更好的综合结果。最后，我们的方法取得了与教师模型和其他国家的最先进的方法相媲美的结果。
2022-01-11 cs.CV
MobileStereoNet: Towards Lightweight Deep Networks for Stereo Matching
University of Tuebingen（图宾根大学）；WSI Institute for Computer Science（WSI计算机科学研究所）
最近的立体匹配方法使用深度模型不断提高精度。然而，这种增益是在计算成本大幅增加的情况下获得的，使得网络甚至可能不适合中等GPU。当模型需要部署在资源有限的设备上时，此问题会引起问题。为此，我们提出了两个立体视觉的光模型，降低了复杂性，而不牺牲精度。根据成本体积的维度，我们设计了一个2D和一个3D模型，分别从2D和3D卷积构建编码器-解码器。为此，我们利用2D MobileNet块，并将其扩展到3D立体视觉应用。此外，还提出了一个新的成本体积，以提高2D模型的准确性，使其性能接近3D网络。实验表明，所提出的2D/3D网络有效地减少了计算开销（2D和3D模型中的参数/操作分别减少了27%/95%和72%/38%），同时保持了准确性。我们的代码可在https://github.com/cogsys-tuebingen/mobilestereonet上获得。
2021-08-22 cs.CV
Lightweight Object Detection: A Study Based on YOLOv7 Integrated with ShuffleNetv2 and Vision Transformer
针对移动设备高效目标检测需求，本研究融合组卷积、ShuffleNetV2与Vision Transformer优化YOLOv7，减少参数量与内存占用，在资源受限设备上实现精度保持下的检测速度提升。
2024-03-04 cs.CV
MobileMamba: Lightweight Multi-Receptive Visual Mamba Network
Zhejiang University（浙江大学）；Youtu Lab, Tencent（腾讯优图实验室）；Huazhong University of Science and Technology（华中科技大学）
本文提出 MobileMamba 轻量级视觉网络，通过三阶段结构、多感受野特征交互模块及训练测试策略，在保持高精度同时显著提升推理速度，实现速度与精度的最优平衡。
2024-11-24 cs.CV
MobileStyleGAN: A Lightweight Convolutional Neural Network for High-Fidelity Image Synthesis
近年来，生成对抗网络（GANs）的使用在生成图像建模中变得非常流行。虽然基于样式的GAN架构在高保真图像合成中产生最先进的结果，但在计算上，它们是高度复杂的。在我们的工作中，我们专注于基于风格的生成模型的性能优化。我们分析了StyleGAN 2中计算最困难的部分，并提出了对生成器网络的更改，以便在边缘设备中部署基于风格的生成网络。我们引入了MobileStyleGAN架构，它的参数比StyleGAN 2少3.5倍，计算复杂度比StyleGAN 2低9.5倍，同时提供相当的质量。
2021-09-09 cs.CV eess.IV
Neural Architecture Search for Lightweight Non-Local Networks
ByteDance AI Lab（字节跳动人工智能实验室）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Oxford（牛津大学）
非局部块在各种视觉任务中得到了广泛的研究。然而，很少有人探索将NL块嵌入到移动神经网络中，这主要是由于以下挑战：1）NL块通常具有沉重的计算成本，这使得其难以应用于计算资源有限的应用中，以及2）发现将NL块嵌入到移动神经网络中的最佳配置是一个开放的问题。我们提出AutoNL来克服上述两个障碍。首先，我们提出了一个轻量级的非本地（LightNL）块压缩的转换操作，并纳入紧凑的功能。通过新颖的设计选择，所提出的LightNL块在不牺牲性能的情况下比其常规对应物在计算上便宜400倍。其次，通过放松LightNL块的结构，使其在训练过程中可区分，我们提出了一种高效的神经架构搜索算法，以端到端的方式学习LightNL块的最佳配置。值得注意的是，仅使用32个GPU小时，搜索的AutoNL模型在典型的移动设置（3.5亿FLOPs）下在ImageNet上实现了77.7%的top-1准确率，显著优于之前的移动模型，包括MobileNetV 2（+5.7%），FBNet（+2.8%）和MnasNet（+2.1%）。代码和型号可在https://github.com/LiYingwei/AutoNL上获得。
2020-04-04 cs.CV
Lightweight 3D Human Pose Estimation Network Training Using Teacher-Student Learning
Clova AI Video, NAVER Corp.（NAVER公司Clova AI视频部）
我们提出了MoVNect，一个轻量级的深度神经网络，使用单个RGB相机捕捉3D人体姿势。为了提高模型的整体性能，我们将基于知识蒸馏的师生学习方法应用到三维人体姿态估计中。实时后处理使CNN输出产生时间稳定的3D骨架信息，可以直接用于应用。我们实现了一个在移动设备上实时运行的3D化身应用程序，以证明我们的网络实现了高准确性和快速推理时间。广泛的评估显示了我们的轻量级模型与所提出的训练方法相比，在Human3.6M数据集和移动设备上的3D姿态估计方法的优势。
2020-01-15 cs.CV
Mobile-Friendly Deep Learning for Plant Disease Detection: A Lightweight CNN Benchmark Across 101 Classes of 33 Crops
Indian Institute of Technology Patna（印度理工学院帕特纳校区）；Columbia University（哥伦比亚大学）；The George Washington University（乔治华盛顿大学）；Amity University（安米提大学）
针对植物病害威胁粮食安全的问题，提出一种移动端友好的轻量级CNN解决方案，通过整合多源数据集构建综合基准，并验证EfficientNet-B1在移动设备上实现了94.7%的最优分类准确率。
2025-08-14 cs.CV cs.LG
MobileAgeNet: Lightweight Facial Age Estimation for Mobile Deployment
Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室、CAIDAS与IFI、乌尔姆大学、德国）
提出基于MobileNetV3-Large的轻量级年龄回归框架MobileAgeNet，通过两阶段微调和边界回归策略，在UTKFace测试集上达到4.65年MAE，移动端延迟14.4ms，参数量3.23M。
2026-04-18 cs.AI cs.CV
Lightweight Real-time Makeup Try-on in Mobile Browsers with Tiny CNN Models for Facial Tracking
ModiFace Inc.（ModiFace公司）
最近关于用于面部对齐的卷积神经网络（CNN）的工作在各种大型公开数据集上表现出前所未有的准确性。然而，开发的模型往往是笨重的和计算昂贵的，并不适合资源受限的设备上的应用程序。在这项工作中，我们研究开发和训练紧凑的面部对齐模型，这些模型具有快速的推理速度和小的部署尺寸，使它们适合上述类别的设备上的应用。我们的主要贡献在于设计这样的小模型，同时保持高精度的面部对齐。我们提出的模型利用适应面部对齐问题的轻型CNN架构，从低分辨率输出热图中准确地两阶段预测面部地标坐标。我们进一步结合开发的面部跟踪器与渲染方法，并建立一个实时的【形】化妆试穿演示，运行在智能手机Web浏览器的客户端。更多结果和演示在我们的项目页面：http://research.modiface.com/makeup-try-on-cvprw2019/
2019-06-11 cs.CV
BlazeFace: Sub-millisecond Neural Face Detection on Mobile GPUs
Google Research（谷歌研究院）
我们提出了BlazeFace，这是一个轻量级且性能良好的人脸检测器，专为移动GPU推理量身定制。它在旗舰设备上以200-1000+ FPS的速度运行。这种超实时性能使其能够应用于任何增强现实管道，这些管道需要准确的面部感兴趣区域作为特定任务模型的输入，例如2D/3D面部关键点或几何估计，面部特征或表情分类以及面部区域分割。我们的贡献包括一个轻量级的特征提取网络的灵感，但不同于MobileNetV 1/V2，一个GPU友好的锚计划修改Single Shot MultiBox Detector（SSD），和改进的领带分辨率策略替代非最大抑制。
2019-07-14 cs.CV
Secure voice based authentication for mobile devices: Vaulted Voice Verification
Securics Inc（Securics公司）；University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）；Harvard University（哈佛大学）
随着生物识别技术的使用变得越来越广泛，由生物识别技术的使用引起的隐私问题变得越来越明显。随着移动设备的使用增长，将生物特征识别实现到这样的设备中的期望也增长。绝大多数正在使用的移动设备是移动电话。虽然正在努力将不同类型的生物识别技术应用到移动电话中，例如基于照片的生物识别技术，但语音是更自然的选择。语音作为生物识别的想法已经存在很长时间了。使用语音作为标识符的主要问题之一是语音的不稳定性。我们已经开发了一个解决这些不稳定性并保护隐私的协议。本文描述了一种新的协议，允许用户使用语音在移动/远程设备上进行身份验证，而不会损害他们的隐私。我们首先讨论\vv协议，这是最近在研究文献中介绍，然后描述其局限性。然后，我们介绍了一种新的适应和扩展的拱形验证协议的语音，被称为$V^3$。接下来，我们展示了一个性能评估，然后结束与安全性和未来工作的讨论。
2012-11-30 cs.CR cs.CV
Rethinking Mobile Block for Efficient Attention-based Models
Youtu Lab, Tencent（腾讯优图实验室）；Zhejiang University（浙江大学）；Peking University（北京大学）；Wuhan University（武汉大学）
本文提出单残差MMB并推导iRMB，构建仅由iRMB组成的高效模型EMO，在ImageNet-1K、COCO2017和ADE20K上以更少参数和更高速度达到领先性能。
2023-08-14 cs.CV
Lightweight network towards real-time image denoising on mobile devices
Alibaba Group（阿里巴巴集团）；Shanghai Jiao Tong University（上海交通大学）
本文针对移动端图像去噪延迟问题，识别内存访问成本和NPU不兼容操作等真实瓶颈，提出轻量级网络MFDNet，并设计MFA注意力模块和RepConv重参数化模块，在SIDD和DND基准上以实时延迟取得最先进性能。
2023-05-25 cs.CV eess.IV
Mobile Vision Transformer-based Visual Object Tracking
Concordia University（康考迪亚大学）
首次提出以MobileViT为骨干网络的轻量级跟踪算法MVT，通过新方法融合模板与搜索区域表示，在大规模数据集上以高推理速度超越近期轻量级跟踪器，且参数更少、速度更快却优于DiMP-50。
2023-09-11 cs.CV
UltraArUco: A Lightweight Multilingual Library And Framework With Low-Latency Real-Time Marker-Based Tracking System For Mobile AR Interaction
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
UltraArUco是一款轻量多语言AR框架，通过优化包装器将跟踪延迟降至五分之一，结合分布式Wi-Fi架构，经交互式钢琴仿真验证，可实现资源受限移动设备的AR音乐交互。
2026-08-19 cs.AI cs.CV cs.HC
MobileFAN: Transferring Deep Hidden Representation for Face Alignment
Griffith University（格里菲斯大学）；The University of Adelaide（阿德莱德大学）；Wuhan University of Technology（武汉理工大学）
人脸特征点检测是人脸分析应用的重要前提。基于深度学习的方法目前主导着解决面部特征点检测的方法。然而，这样的作品通常引入大量的参数，导致高存储器成本。在本文中，我们的目标是一个轻量级的，以及有效的解决方案，面部标志检测。为此，我们提出了一个有效的轻量级模型，即移动人脸对齐网络（MobileFAN），使用一个简单的骨干MobileNetV2作为编码器和三个解卷积层作为解码器。所提出的MobileFAN，只有8%的模型大小和较低的计算成本，实现了优越的或等效的性能相比，国家的最先进的模型。此外，通过特征对齐蒸馏和特征相似性蒸馏，将人脸图的几何结构信息从大型复杂模型转移到我们提出的MobileFAN中，进一步提高了MobileFAN在人脸对齐方面的有效性和效率。在三个具有挑战性的面部标志点估计基准测试（包括COFW，300W和WFLW）上的大量实验结果显示了我们提出的MobileFAN对最先进方法的优越性。
2019-11-20 cs.CV
A lightweight Transformer-based model for fish landmark detection
James Cook University（詹姆斯库克大学）
当有足够的训练数据时，基于变换器的模型，如视觉Transformer（ViT），在某些视觉任务中可以胜过卷积神经网络（CNN）。然而，（CNN）对于视觉任务（即翻译等方差和局部性）具有强大而有用的归纳偏差。在这项工作中，我们开发了一种新的模型架构，我们称之为移动鱼地标检测网络（MFLD网）。我们使用基于ViT的卷积操作（即补丁嵌入，多层感知器）制作了这个模型。MFLD-net可以在低数据状态下实现具有竞争力或更好的结果，同时重量轻，因此适用于嵌入式和移动设备。此外，我们还证明了MFLD网络可以在鱼类图像数据集上实现与某些最先进的（CNN）相比甚至更好的关键点（地标）估计精度。此外，与ViT不同，MFLD-net不需要预先训练的模型，并且在小数据集上训练时可以很好地泛化。我们提供了定量和定性的结果，证明了模型的泛化能力。这项工作将为今后开发移动但有效的鱼类监测系统和设备奠定基础。
2022-09-13 cs.CV
Early Explorations of Lightweight Models for Wound Segmentation on Mobile Devices
University of Würzburg（维尔茨堡大学）
本文针对移动端伤口分割研究不足的问题，探索了ENet、TopFormer和UNeXt三种轻量级架构，在公开数据集上取得与UNet相当的性能，并在手机应用中验证了TopFormer区分伤口与相近颜色物体的有效性。
2024-08-30 cs.AI cs.CV
Interpretable Gallbladder Ultrasound Diagnosis: A Lightweight Web-Mobile Software Platform with Real-Time XAI
University of Liberal Arts Bangladesh（乌拉尔大学 Bangladesh）；BRAC University（BRAC大学）
本研究提出了一种轻量级网页-移动软件平台，利用混合深度学习模型MobResTaNet实现胆囊疾病的实时可解释诊断，准确率达99.85%。
2025-12-28 cs.CV cs.SE
LiteSeg: A Novel Lightweight ConvNet for Semantic Segmentation
Ain Shams University（艾因夏姆斯大学）
语义图像分割在包括自动驾驶和医学图像分析在内的许多视觉应用中起着关键作用。大多数前一种方法都倾向于在精度方面提高性能，但对计算效率却知之甚少。在本文中，我们介绍了LiteSeg，一个轻量级的语义图像分割架构。在这项工作中，我们探索了Atrous空间金字塔池化模块（ASPP）的新的更深版本，并应用了短和长的残差连接，以及可分离卷积，从而产生了一个更快，更高效的模型。介绍了LiteSeg架构，并在Darknet 19、MobileNet和ShuffleNet等多个骨干网络上进行了测试，以在准确性和计算成本之间进行多种权衡。所提出的模型LiteSeg，与MobileNetV2作为骨干网络，实现了67.81%的平均交叉超过联盟在161帧每秒与$640 \times 360$分辨率的Cityscapes数据集的准确性。
2019-12-13 cs.CV
ForensicNet: Lightweight Attention-Enhanced MobileNetV2 for Automated Face Identification
针对法医环境中自动人脸识别难题，提出法医网络，结合MobileNetV2与CBAM增强注意力，用两阶段迁移学习策略，在公开数据集上表现优于基线架构，准确率高且计算量小，可用于实时法医监控。
2026-07-21 cs.AI cs.CV
MobileUNETR: A Lightweight End-To-End Hybrid Vision Transformer For Efficient Medical Image Segmentation
The Ohio State University（俄亥俄州立大学）；The Ohio State University Wexner Medical Center（俄亥俄州立大学韦克斯纳医学中心）
本文提出轻量级端到端混合视觉Transformer模型MobileUNETR，通过混合CNN-Transformer编码器和新型混合解码器，以300万参数和1.3 GFLOP在多个皮肤病变分割数据集上超越大型架构，实现高效精准分割。
2024-09-04 cs.AI cs.CV
Towards an Efficient Semantic Segmentation Method of ID Cards for Verification Systems
da/sec-Biometrics and Internet Security Research Group, Hochschule Darmstadt（达姆施塔特应用技术大学生物识别与互联网安全研究组）；TOC Biometrics（TOC生物识别公司）
去除身份证图像中的背景对于远程验证系统来说是一个真正的挑战，因为许多重新数字化的图像呈现出杂乱的背景、较差的照明条件、失真和遮挡。身份证图像的背景干扰了分类器和文本提取。由于缺乏可供研究的图像，这一领域代表了当今计算机视觉的一个开放问题。提出了一种基于身份证语义分割的背景去除方法。最后，使用了在野外从真实操作中捕获的图像，使用了由45，007张图像组成的手动标记数据集，其中包括来自三个国家（智利，阿根廷和墨西哥）的五种类型的ID卡，包括典型的演示攻击场景。该方法可以帮助改进常规身份验证或文档篡改检测系统中的以下阶段。基于MobileUNet和DenseNet 10探索了两种深度学习方法。使用MobileUNet获得了最佳结果，有650万个参数。智利身份证的平均交集超过联盟（IoU）是0.9926在私人测试数据集的4,988张图像。来自智利、阿根廷和墨西哥的身份证图像的融合多国数据集的最佳结果达到了0.9911的IoU。所提出的方法是轻量级的，足以用于在移动设备上的实时操作。
2021-11-24 cs.CV
Lightweight Quad Bayer HybridEVS Demosaicing via State Space Augmented Cross-Attention
Department of Psychiatry, Harvard University（哈佛大学精神病学系）；AI Thrust, HKUST(GZ)（香港科技大学（广州）人工智能领域）
针对HybridEVS相机Quad Bayer去马赛克难题，提出轻量级两阶段网络TSANet，利用状态空间增强交叉注意力分别处理事件像素修复与去马赛克，在七个数据集上优于现有方法，并大幅降低参数与计算成本。
2025-08-08 cs.CV
Lightweight high-resolution Subject Matting in the Real World
OPPO Research Institute（OPPO研究院）
针对高分辨率场景下SOD方法难兼顾速度与精度的问题，构建HRSOM数据集并提出含对称像素重排、TRSU模块的轻量PSUNet，性能优于10倍参数量的U²-Net与IOS16，移动端推理640×640图像仅113ms。
2023-12-12 cs.CV
PP-PicoDet: A Better Real-Time Object Detector on Mobile Devices
Baidu Inc.（百度公司）
如何在准确性和效率之间取得更好的平衡一直是目标检测中的一个具有挑战性的问题。在这项工作中，我们致力于研究目标检测的关键优化和神经网络架构选择，以提高准确性和效率。我们研究了无锚策略在轻量级目标检测模型上的适用性。我们增强了骨干结构，设计了轻量级的颈部结构，提高了网络的特征提取能力。我们改进了标签分配策略和损失函数，使训练更加稳定和高效。通过这些优化，我们创建了一个新的实时的【形】对象检测器系列，名为PP-PicoDet，它在移动设备的目标检测上实现了卓越的性能。与其他流行的模型相比，我们的模型在准确性和延迟之间实现了更好的权衡。参数仅为0.99M的PicoDet-S实现了30.6%的mAP，与YOLOX-Nano相比，mAP绝对提高了4.8%，同时将移动CPU推理延迟降低了55%，与NanoDet相比，mAP绝对提高了7.1%。当输入大小为320时，它在移动ARM CPU上达到123 FPS（使用Paddle Lite为150 FPS）。仅使用3.3M参数的PicoDet-L实现了40.9%的mAP，这是mAP的绝对3.7%改进，比YOLOv 5s快44%。如图1所示，我们的模型远远优于轻量级目标检测的最新结果。代码和预训练模型可在https://github.com/PaddlePaddle/PaddleDetection上获得。
2021-11-01 cs.CV
ExMobileViT: Lightweight Classifier Extension for Mobile Vision Transformer
Dankook University（檀国大学）
ExMobileViT通过重用早期注意力阶段的平均池化特征扩展分类器通道，以极小开销提升MobileViT精度，在ImageNet上仅增约5%参数即获显著提升。
2023-09-04 cs.AI cs.CV
A Collaborative Jade Recognition System for Mobile Devices Based on Lightweight and Large Models
North China Electric Power University（华北电力大学）
针对移动端玉石识别面临的资源、实时性与精度挑战，本文提出结合多尺度轻量模型与大模型协作的分类框架，实现低资源消耗下的高效准确识别。
2025-02-20 cs.CV cs.IR
Video Mobile-Former: Video Recognition with Efficient Global Spatial-temporal Modeling
Fudan University（复旦大学）；Microsoft Cloud&AI（微软云与人工智能）
基于transformer的模型在主要的视频识别基准测试中取得了最佳性能。由于自注意力机制的引入，这些模型比基于CNN的模型具有更强的建模能力。然而，显着的计算开销，导致自注意力的二次复杂性上的一个巨大的令牌，限制了现有的视频Transformers在资源有限的应用程序，如移动设备的使用。在本文中，我们将Mobile-Former扩展为Video Mobile-Former，它将视频架构扩展为用于本地上下文建模的轻量级3D-CNN和用于并行全局交互建模的Transformer模块。为了避免在视频中的大量局部补丁之间计算自我注意力所引起的显著计算成本，我们提出使用非常少的全局令牌（例如，6)对于Transformers中的整个视频，使用交叉注意力机制与3D-CNN交换信息。通过高效的全局时空建模，Video Mobile-Former显着提高了替代轻量级基线的视频识别性能，并在各种视频识别任务中，在500 M至6 G总FLOP的低FLOP范围内优于其他基于CNN的高效模型。值得注意的是，Video Mobile-Former是第一个基于Transformer的视频模型，它将计算预算限制在1G FLOP以内。
2022-08-25 cs.CV
DragonFruitQualityNet: A Lightweight Convolutional Neural Network for Real-Time Dragon Fruit Quality Inspection on Mobile Devices
Jahangirnagar University（贾汉吉尔纳加尔大学）；Manarat International University（马纳拉特国际大学）
本研究提出轻量级卷积神经网络DragonFruitQualityNet，用于移动设备上的火龙果实时质量检测，在13,789张图像数据集上实现93.98%准确率，并集成至移动应用以赋能农业实践。
2025-08-10 cs.AI cs.CV
Compact CNN Models for On-device Ocular-based User Recognition in Mobile Devices
School of Computing（计算机学院）；Wichita State University（威奇托州立大学）
许多研究已经证明了深度学习卷积神经网络（CNN）模型在移动设备中基于眼睛的用户识别中的有效性。然而，这些高性能网络具有巨大的空间和计算复杂性，因为涉及数百万个参数和计算。这些要求使得将深度学习模型部署到资源受限的移动设备具有挑战性。为此，只有少数研究的基础上的知识蒸馏和补丁为基础的模型已被提出，以获得紧凑的大小CNN模型的眼识别在移动环境中。为了进一步推进最新技术水平，本研究首次评估了五种神经网络修剪方法，并将其与用于设备上CNN推理和使用眼部图像的移动用户验证的知识蒸馏方法进行了比较。对VISOB和UPFR-Periocular数据集进行的独立于受试者的分析表明，使用ResNet 50作为基础模型，在8的压缩率下，基于分层幅度的修剪对于基于移动眼的认证是有效的。此外，与知识蒸馏的比较表明，在验证准确性和实时推理方面，知识蒸馏的功效优于修剪方法，该实时推理以五种移动设备（即iPhone 6、iPhone X、iPhone XR、iPad Air 2和iPad第7代）上的深度特征提取时间来衡量。
2021-10-11 cs.CV
MagicVL-2B: Empowering Vision-Language Models on Mobile Devices with Lightweight Visual Encoders via Curriculum Learning
Project Leader（项目负责人）；Corresponding Author（通讯作者）
MagicVL-2B通过轻量级视觉编码器和多模态课程学习策略，在保持准确率的同时降低设备端功耗41.1%，实现移动端高效视觉语言推理。
2025-08-03 cs.AI cs.CV
Origin Lens: A Privacy-First Mobile Framework for Cryptographic Image Provenance and AI Detection
Frankfurt University of Applied Sciences（应用科学弗赖堡大学）；Doctoral Center for Applied Computer Science (PZAI)（应用计算机科学博士中心（PZAI））
Origin Lens是一款以隐私为核心、基于移动设备的框架，通过加密图像溯源和AI检测技术，为用户提供本地化的视觉信息验证服务。
2026-10-30 cs.CR cs.CV cs.CY
Extremely Lightweight Quantization Robust Real-Time Single-Image Super Resolution for Mobile Devices
Aselsan Research（阿瑟尔桑研究院）
单图像超分辨率（SISR）是一个经典的计算机视觉问题，已经被研究了几十年。随着最近深度学习方法的成功，最近关于SISR的工作集中在使用深度学习方法的解决方案上，并取得了最先进的结果。然而，大多数最先进的SISR方法包含数以百万计的参数和层，这限制了它们的实际应用。在本文中，我们提出了一个硬件（Synaptics海豚NPU）的限制意识，非常轻量级的量化鲁棒实时的【形】超分辨率网络（XLSR）。所提出的模型的构建块的灵感来自根模块的图像分类。我们成功地将根模块应用于SISR问题，进一步地，为了使模型uint8量化鲁棒，我们在网络的最后一层使用了Clipped ReLU，并在重建质量和运行时间之间实现了很好的平衡。此外，尽管所提出的网络包含的参数比VDSR少30倍，但其性能在Div2K验证集上超过了VDSR。该网络通过赢得移动AI 2021实时的【形】单图像超分辨率挑战赛证明了自己。
2021-05-21 cs.AI cs.CV cs.LG
DeepMix: Mobility-aware, Lightweight, and Hybrid 3D Object Detection for Headsets
New Jersey Institute of Technology（新泽西理工学院）；George Mason University（乔治梅森大学）
移动头戴设备应该能够理解3D物理环境，为增强/混合现实（AR/MR）提供真正的沉浸式体验。然而，它们的小尺寸和有限的计算资源使得实时执行3D视觉算法极具挑战性，众所周知，3D视觉算法比2D视觉算法的计算密集度更高。在本文中，我们提出了DeepMix，这是一种移动感知，轻量级和混合3D目标检测框架，用于改善AR/MR在移动头戴设备上的用户体验。受我们对最先进的3D目标检测模型的分析和评估的启发，DeepMix智能地结合了边缘辅助的2D目标检测和利用耳机捕获的深度数据的新型设备上3D限界框估计。这导致了较低的端到端延迟，并显着提高了移动场景中的检测准确性。DeepMix的一个独特之处在于它充分利用了耳机的移动性来微调检测结果并提高检测精度。据我们所知，DeepMix是第一个实现30 FPS的3D目标检测（端到端延迟远低于交互式AR/MR的100 ms严格要求）。我们在Microsoft HoloLens上实现了DeepMix的原型，并通过广泛的对照实验和30多名参与者的用户研究来评估其性能。与使用现有3D目标检测模型的基线相比，DeepMix不仅将检测准确率提高了9.1- 37.3%，还将端到端延迟降低了2.68- 9.15倍。
2022-03-16 cs.CV
Revisiting Lightweight Low-Light Image Enhancement: From a YUV Color Space Perspective
本文从YUV颜色空间视角提出新的轻量级低光照图像增强方法，通过双流注意力模块和指导交互模块提升视觉质量，同时减少参数数量。
2026-01-24 cs.CV
Regression-Oriented Knowledge Distillation for Lightweight Ship Orientation Angle Prediction with Optical Remote Sensing Images
Nanjing Research Institute of Electronic Engineering（南京电子工程研究所）；Nanjing University of Information Science & Technology（南京信息工程大学）
本文提出Mobile-SOAP模型与SOAP-KD知识蒸馏框架，在FGSC-23上以很小精度损失显著降低船舶朝向角预测模型的参数量与计算量。
2023-07-13 cs.AI cs.CV
Beyond ImageNet: Understanding Cross-Dataset Robustness of Lightweight Vision Models
本文研究了轻量视觉模型在跨数据集的鲁棒性，提出xScore度量标准，揭示了架构组件对泛化能力的影响。
2025-11-01 cs.CV cs.LG
