JPEG压缩域下的单图像超分辨率学习
计算机视觉与模式识别
2025-12-05 v1 人工智能
摘要
深度学习模型正变得越来越复杂，输入数据尺寸也随之增长。尽管针对专用深度学习硬件取得了大量进展，但数据加载仍然是一个主要瓶颈，限制了训练和推理速度。为此，我们提出在编码的JPEG特征上直接训练模型，减少与完全JPEG解码相关的计算开销，显著提高数据加载效率。虽然先前工作聚焦于识别任务，但我们研究了此方法对修复任务——单图像超分辨率 (SISR) 的有效性。我们提出一种轻量级超分辨率管道， operate on JPEG离散余弦变换 (DCT) 系数在频域。我们的管道在数据加载方面实现了2.6倍加速，在训练方面实现了2.5倍加速，同时保持与标准SISR方法相当的视觉质量。
引用
@article{arxiv.2512.04284,
title = {Learning Single-Image Super-Resolution in the JPEG Compressed Domain},
author = {Sruthi Srinivasan and Elham Shakibapour and Rajy Rawther and Mehdi Saeedi},
journal= {arXiv preprint arXiv:2512.04284},
year = {2025}
}
备注
7 pages, 4 figures, 2 tables, SEEDS Workshop, ICIP 2025