cv_uhdm_image-demoireing - 昇腾 NPU 适配

1. 模型简介

UHDM 图像去摩尔纹模型，基于 ESDNet（Encoder-decoder with Semantic alignment and Dense fusion，即语义对齐与密集融合的编码器-解码器）架构，用于去除数字屏幕拍摄时产生的摩尔纹。

原始模型：iic/cv_uhdm_image-demoireing
框架：PyTorch + ModelScope
任务：Image Demoireing（图像去摩尔纹）
Backbone：ESDNet（encoder-decoder + SAM）

2. 昇腾 NPU 适配结果

指标	值
Cosine Similarity	1.000000
Max Abs Error	0.002218
平均延迟	23.90ms
输出维度	(1, 3, 64, 64)
推理精度	float32
设备	Ascend 910B4

3. 环境要求

组件	版本
CANN	8.5.1
torch_npu	2.9.0.post1
PyTorch	2.9.0
Python	3.11
modelscope	latest

4. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH

python inference.py
python evaluate.py

5. 推理输出证据

Model: iic/cv_uhdm_image-demoireing
Device: npu:0
Output shape: [1, 3, 64, 64]
Output sample: [-0.0885179415345192, 0.3886769711971283, -0.39146584272384644, -0.15365758538246155, -0.45795387029647827]
Latency: 23.90ms

--- CPU vs NPU 精度对比 ---
Cosine Similarity: 1.000000
Max Abs Error: 0.002218
SUCCESS

6. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float32)	误差
余弦相似度	基准	1.000000	0
最大绝对误差	-	0.002218	-
输出维度	(1, 3, 64, 64)	(1, 3, 64, 64)	一致

7. 模型结构

骨干网络：ESDNet（带语义对齐的编码器-解码器）
编码器：含 RDB + SAM 模块的 3 级编码器
解码器：含 CSAF 融合的 3 级解码器
输入：RGB 图像（填充至 32 的倍数）
输出：多尺度恢复图像（3 个元素的元组）

cv_uhdm_image-demoireing - 昇腾 NPU 适配

1. 模型简介

原始模型：iic/cv_uhdm_image-demoireing
框架：PyTorch + ModelScope
任务：Image Demoireing（图像去摩尔纹）
Backbone：ESDNet（encoder-decoder + SAM）

2. 昇腾 NPU 适配结果

指标	值
Cosine Similarity	1.000000
Max Abs Error	0.002218
平均延迟	23.90ms
输出维度	(1, 3, 64, 64)
推理精度	float32
设备	Ascend 910B4

3. 环境要求

组件	版本
CANN	8.5.1
torch_npu	2.9.0.post1
PyTorch	2.9.0
Python	3.11
modelscope	latest

4. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH

python inference.py
python evaluate.py

5. 推理输出证据

Model: iic/cv_uhdm_image-demoireing
Device: npu:0
Output shape: [1, 3, 64, 64]
Output sample: [-0.0885179415345192, 0.3886769711971283, -0.39146584272384644, -0.15365758538246155, -0.45795387029647827]
Latency: 23.90ms

--- CPU vs NPU 精度对比 ---
Cosine Similarity: 1.000000
Max Abs Error: 0.002218
SUCCESS

6. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float32)	误差
余弦相似度	基准	1.000000	0
最大绝对误差	-	0.002218	-
输出维度	(1, 3, 64, 64)	(1, 3, 64, 64)	一致

7. 模型结构

骨干网络：ESDNet（带语义对齐的编码器-解码器）
编码器：含 RDB + SAM 模块的 3 级编码器
解码器：含 CSAF 融合的 3 级解码器
输入：RGB 图像（填充至 32 的倍数）
输出：多尺度恢复图像（3 个元素的元组）