突破多重增强瓶颈：压缩图像的域一致质量增强

质量增强方法已被广泛集成到视觉通信流程中，以减轻压缩图像中的伪影。理想情况下，当这些质量增强方法应用于在传输过程中已经过先前增强的图像时，应表现稳健。我们将此场景称为多重增强，它概括了众所周知的图像压缩的多代场景。不幸的是，当前的质量增强方法在应用于多重增强时会出现严重的性能退化。为了应对这一挑战，我们提出了一种新颖的适配方法，将现有的质量增强模型转换为域一致的模型。具体来说，我们的方法在首次增强期间将低质量压缩图像增强为自然域内的高质量图像，并确保后续增强保持此质量而不会进一步退化。大量实验验证了我们方法的有效性，并表明各种现有模型可以成功适配，以在多重增强场景中保持保真度和感知质量。