OAPT：用于双 JPEG 图像去除偏移感知分区变换器

基于深度学习的方法在单 JPEG 图像去除任务中展现了显著的性能。然而，现有方法在双 JPEG 图像上容易出现性能下降，而双 JPEG 图像在实际场景中十分常见。为此，我们提出了一种用于双 JPEG 图像去除的偏移感知分区变换器，称为 OAPT。我们对双 JPEG 压缩进行分析，得出每个 8x8 图像块中可出现最多四种不同的模式，并设计模型将相似模式聚类，以缓解恢复难度。OAPT 包含两个组件：压缩偏移预测器和图像重构器。具体而言，预测器估计第一次和第二次压缩之间的像素偏移量，这些偏移量随后用于划分不同的模式。重构器主要基于若干混合分区注意力块（HPAB）构建，结合了基于窗口的自注意力和稀疏注意力，用于处理聚类后的模式特征。大量实验表明，OAPT 在双 JPEG 图像恢复任务中超过最新方法超过 0.16dB。此外，无需增加任何计算开销，HPAB 中的模式聚类模块可作为插件用于提升其他基于变换器的图像恢复方法。代码将在 https://github.com/QMoQ/OAPT.git 公开。