原论文首页 · Efficient Image Denoising on Smartphone GPUs: Mobile AI 2026 Challenge Report

手机 GPU 实拍降噪：同一网络在两款芯片上能跑多快？

真实噪声与干净参考图训练出的降噪器，同时接受画质评分和手机 GPU 计时。它给出了旗舰平台间可直接对照的工程基线。

文章信息与阅读大纲

Efficient Image Denoising on Smartphone GPUs: Mobile AI 2026 Challenge Report
arXiv 2611.00974v1 · 首次提交 2026-10-31 · 当周新稿
2026.11.06 周选第 1 篇 · 拍照 · 建议精读

阅读顺序：研究问题、核心方案、实验条件、业务验证。

研究问题与核心方案

图 3 · 原论文第 5 页，点击查看原图

TLG 的 DenoiseUnet 在三个空间尺度上提取特征。编码端以步长卷积降低分辨率，残差块保留局部细节；解码端通过转置卷积恢复尺寸，并从编码端接回纹理信息。

实验结果与分析

表 1 中，1920×1088 输入下 TLG 达到 37.31 dB、SSIM 0.9129，骁龙和天玑 GPU 分别为 28 和 50.7 ms。TeamPAK 的 PSNR 更高（37.58 dB），但两端分别需 127 和 138 ms。画质单项排名和产品可用性会给出不同选择。

同一 TLG 模型在天玑 NPU 为 18.7 ms，快于该机 GPU；骁龙上却是 GPU 更快。选择推理后端时须逐模型测量。

研发判断与验证建议

精读依据　真实噪声与干净参考图训练出的降噪器，同时接受画质评分和手机 GPU 计时。它给出了旗舰平台间可直接对照的工程基线。

优先在自有传感器上复测暗部色噪、毛发和文字，并把前后处理及持续功耗计入。视频应用需另测静止暗部闪烁。