一体化图像压缩与复原
计算机视觉与模式识别
2025-05-01 v1
摘要
在实际图像压缩中，常会遇到受各种类型和程度退化影响的视觉图像。然而，现有的大多数图像压缩方法都是为清晰图像量身定制的，因此难以在这些图像上取得令人满意的结果。联合压缩与复原方法通常只关注单一类型的退化，无法应对实践中的多种退化。为此，我们提出了一种用于一体化图像压缩与复原的统一框架，该框架将针对各种退化的图像复原能力融入图像压缩过程。关键挑战在于区分真实图像内容与退化，并在没有先验知识的情况下灵活消除各种退化。具体而言，所提出的框架从两个角度应对这些挑战：即内容信息聚合和退化表示聚合。大量实验证明了我们模型的以下优点：1）在各种退化输入上具有优越的率失真（RD）性能，同时保持对清晰数据的性能；2）对现实世界和未见场景的强大泛化能力；3）与对比方法相比具有更高的计算效率。我们的代码可在 https://github.com/ZeldaM1/All-in-one 获取。
引用
@article{arxiv.2502.03649,
title = {All-in-One Image Compression and Restoration},
author = {Huimin Zeng and Jiacheng Li and Ziqiang Zheng and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2502.03649},
year = {2025}
}
备注
Accepted to WACV 2025 (oral)