تقليل تشوهات الضغط بواسطة شبكة تلافيفية عميقة

الضغط الخسّاري يُدخل ضغوط معقدة، خاصةً ضغوط الكتل (blocking artifacts)، آثار الرنين (ringing effects) والضبابية (blurring). تركز الخوارزميات الحالية إما على إزالة ضغوط الكتل مما يؤدي إلى نتائج ضبابية، أو على استعادة الصور الحادة التي ترافقها آثار الرنين. مستوحى من الشبكات العصبية التلافيفية العميقة (DCN) في مجال زيادة الدقة الفائقة (super-resolution)، قمنا بوضع تصميم لشبكة مدمجة وكفؤة لتحقيق تخفيف سلس للضغوط المختلفة. كما أظهرنا أن بإمكان النموذج الأعمق التدريب بكفاءة باستخدام الميزات التي تم تعلمها في شبكة الضحلة. وفقًا لفكرة مشابهة "من السهل إلى الصعب"، قمنا بالتحقيق بشكل منهجي في عدة إعدادات عملية للنقل وأظهرنا فعالية التعلم النقل في مشكلات الرؤية ذات المستوى المنخفض. يُظهر طريقة عملنا أداءً أفضل من أفضل الأساليب الحالية سواءً على مجموعات البيانات القياسية أو في الحالات العملية الحقيقية (مثل تويتر). بالإضافة إلى ذلك، أظهرنا أن طريقة عملنا يمكن استخدامها كمعالجة أولية لتسهيل رoutines الرؤية الأخرى ذات المستوى المنخفض عند استخدام الصور المضغوطة كمدخلات.