用于质量无关JPEG复原的深度残差自编码器
计算机视觉与模式识别
2021-11-01 v1
摘要
在本文中，我们提出一种利用残差中的残差稠密块（RRDB）的深度残差自编码器，以去除JPEG压缩图像中的伪影，且该过程独立于所使用的质量因子（QF）。所提方法同时利用了深度残差网络的学习能力与JPEG压缩流程的先验知识。所提模型在YCbCr色彩空间中运行，并使用两个不同的自编码器分两阶段执行JPEG伪影复原：第一个自编码器利用二维卷积复原亮度通道；第二个自编码器以复原后的亮度通道为指导，利用三维卷积复原色度通道。在三个广泛使用的基准数据集（即LIVE1、BDS500和CLASSIC-5）上的大量实验结果表明，我们的模型在所有考虑的评估指标（即PSNR、PSNR-B和SSIM）上均能超越当前最优水平。这一结果值得注意，因为当前最优的方法对每个压缩质量使用不同的权重集合，而所提模型对所有质量使用相同权重，使其可应用于压缩QF未知的实地图像。此外，当应用于训练期间未见的压缩质量时，所提模型展现出比当前最优方法更强的鲁棒性。
引用
@article{arxiv.1903.06117,
title = {Deep Residual Autoencoder for quality independent JPEG restoration},
author = {Simone Zini and Simone Bianco and Raimondo Schettini},
journal= {arXiv preprint arXiv:1903.06117},
year = {2021}
}