/ Модель

Характеристики

Лицензия
MIT
Опубликована
6 сен 2026

dlp-26t2-nppe3-lowlight-denoise-sr

Преобразование изображенийИзображение, текст → изображение

Модель NAFNet-UNet подавляет шум на тёмных уличных изображениях и увеличивает их разрешение в четыре раза.

0скачиваний за 30 дней0лайковвеса обновлены6 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель DenoiseSRNet на архитектуре NAFNet-UNet предназначена для совместного подавления шума и увеличения разрешения изображений уличных сцен при слабом освещении. Она принимает изображение 256×160 и формирует изображение 1024×640: сеть обрабатывает сетку низкого разрешения, а затем применяет голову PixelShuffle с масштабом ×4. Модель предсказывает остаток относительно размытого и увеличенного бикубической интерполяцией изображения яркости и выдаёт один канал яркости, оптимизированный под метрику PSNR на изображении в градациях серого.

Чекпойнты подготовлены для соревнования Kaggle DLP 26T2 NPPE3. В README сообщается о результате 39,28 дБ PSNR для одиночной модели без тестового увеличения данных на отложенной выборке из 267 изображений; автор также описывает шум как преимущественно пуассоновский и использует синтетический шум для обучения. Это небольшой экспериментальный прогон: модели шириной 32 обучались по 12 тысяч итераций, поэтому качество может уступать более длительному обучению. Репозиторий содержит веса PyTorch и код пайплайна. Лицензия MIT.

Сценарии применения

  • подавление шума на ночных уличных снимках
  • увеличение разрешения изображений уличных сцен в 4 раза
  • восстановление яркости и деталей на шумных изображениях при слабом освещении

Ограничения

Модель обучена на небольших чекпойнтах экспериментального прогона и ориентирована на шумные уличные сцены; результаты на других типах изображений не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Low-light Joint Denoising + ×4 Super-Resolution (NAFNet-UNet)

Models for the Kaggle competition DLP 26T2 NPPE3 (dlp-26t2-nppe3). Roll number 23f1001168.

Task

Recover a clean 1024×640 image from a noisy, low-light 256×160 observation of a street scene (Cityscapes-like). The competition metric is PSNR on the grayscale (PIL convert('L')) version of the 1024×640 output, sampled at every 8th pixel.

The degradation, reverse-engineered

Comparing each provided LR image against an area-downsample of its ground truth showed the residual variance is linear in intensity, with matching skewness:

var(residual) = 2.526 * I + 1.49        (per channel, mutually independent)

which is pure Poisson shot noise with gain g = 2.526 and negligible read noise. The full forward model is

LR = floor( g * Poisson( area_downsample_4x(HR) / g ) )   clipped to [0, 255]

Training a model only on noise synthesised with this model scores the same as training on the organisers' real LR images (38.960 vs 38.953 dB), which confirms the model is correct — and makes the noise an unlimited augmentation.

Architecture

DenoiseSRNet — a NAFNet U-Net over the LR grid followed by a ×4 PixelShuffle head. The network predicts a residual on top of a blurred-and-bicubic-upsampled luma, so it only has to model denoising and high-frequency detail. It outputs a single luma channel, matching the metric exactly rather than wasting capacity on colour.

Results (267-image validation split)

configurationPSNR (dB)
bicubic upsample of LR luma32.60
Gaussian denoise + bicubic36.26
single model, no TTA39.28
single model + flip TTA39.32
7-model ensemble, no TTA39.33
7-model ensemble + flip TTA39.34
oracle: noise-free LR + lanczos42.98

The oracle row shows denoising, not upsampling, is what the task is really about.

⚠️ These are small models (32-width, 12k iterations each) trained as an ablation sweep, not a long production run. The architecture scales well beyond this.

Files

  • model_*.pt — checkpoints; each holds ema, model, and the args needed to rebuild the net
  • model.py, common.py, train.py, predict.py, make_submission.py — full pipeline
  • manifest.json — per-checkpoint config and validation score

Usage

import torch, numpy as np
from predict import load_net, infer

net, cfg = load_net("model_3_ab_mse.pt", "cuda")     # cfg comes from the checkpoint
lr = np.array(Image.open("test_00001.png"))[None]    # (1,160,256,3) uint8
hr_luma = infer([net], [cfg], lr, "cuda", tta=True)  # (1,640,1024) float32, 0..255

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
fc2f0db

0 моделей