基于 DCT 域多级跨通道熵模型的实用学习型无损 JPEG 再压缩

JPEG 是一种流行的图像压缩方法，被个人、数据中心、云存储和网络文件系统广泛使用。然而，近期图像压缩的多数进展主要关注未压缩图像，而忽略了已存在的数万亿张 JPEG 图像。为了充分压缩这些 JPEG 图像并在需要时无损地恢复为 JPEG 格式，我们提出了一种基于深度学习、在 DCT 域上运行的 JPEG 再压缩方法，并提出了一种多级跨通道熵模型来压缩信息量最大的 Y 分量。实验表明，与包括 Lepton、JPEG XL 和 CMIX 在内的传统 JPEG 再压缩方法相比，我们的方法达到了最先进的性能。据我们所知，这是首个将 JPEG 图像无损转码为更节省存储的比特流的学习型压缩方法。