基于深度残差网络的学习型压缩伪影去除
图像与视频处理
2018-06-04 v1
摘要
我们提出了一种通过对 BPG 压缩图像进行后处理来实现学习型压缩伪影去除的方法。我们训练了三个不同规模的网络。我们使用不同 QP 值对输入图像进行 BPG 编码。我们提交了由不同 QP 编码并经由三个网络之一后处理的最佳测试图像组合，该组合满足挑战赛规定的文件大小和解码时间约束。最佳组合的选择被表述为一个整数规划问题。尽管图像质量的视觉改善令人印象深刻，但结果的平均 PSNR 提升约为 0.5 dB。
引用
@article{arxiv.1806.00333,
title = {Learned Compression Artifact Removal by Deep Residual Networks},
author = {Ogün Kırmemiş and Gonca Bakar and A. Murat Tekalp},
journal= {arXiv preprint arXiv:1806.00333},
year = {2018}
}
备注
Accepted for publication in the CVPR 2018, Challenge on Learned Image Compression (CLIC), Salt Lake City, Utah, USA, 18 June 2018 and appears in compression.cc