JPEG AI 图像压缩视觉失真：检测方法与数据集
人工智能
2024-11-12 v1 计算机视觉与模式识别
多媒体
摘要
近年来，基于学习的图像压缩方法有所改进，开始超越传统编解码器。然而，神经网络方法在某些图像中可能会意外引入视觉失真。因此，我们提出了方法，分别检测三种类型的失真（纹理和边界退化、颜色变化和文本损坏），定位受影响的区域，并量化失真强度。我们仅考虑那些由于仅神经压缩导致的失真的区域，而这些区域在相当相同的比特率下仍可被传统编解码器恢复。我们采用这些方法收集针对 HM-18.0 的 JPEG AI 验证模型的失真；我们处理了来自 Open Images 数据集约350,000个唯一图像的不同压缩质量参数；结果是一组经通过众所周知的主观评估验证的46,440个失真。我们提出的数据集和方法对测试基于神经网络的图像编解码器、识别这些编解码器中的错误以及提高其性能具有重要价值。我们使这些方法和数据集的源代码公开可用。
引用
@article{arxiv.2411.06810,
title = {JPEG AI Image Compression Visual Artifacts: Detection Methods and Dataset},
author = {Daria Tsereh and Mark Mirgaleev and Ivan Molodetskikh and Roman Kazantsev and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2411.06810},
year = {2024}
}