隐式双域卷积网络用于鲁棒彩色图像压缩伪影减少

几种基于双域卷积神经网络的方法在减少图像压缩伪影方面表现出色。然而，这些方法在处理彩色图像时存在困难，因为灰度图像和彩色图像的压缩过程完全不同。此外，这些方法为每种压缩质量训练一个特定的模型，并需要多个模型来实现不同的压缩质量。为了解决这些问题，我们提出了一种隐式双域卷积网络（IDCN），该网络以像素位置标签图和量化表作为输入。具体而言，我们提出了一个基于提取器-校正器框架的双域校正单元（DCU）作为构建IDCN的基本组件。为了提高DRU中提取器的性能，引入了一个密集块。隐式双域转换使得IDCN能够利用离散余弦变换（DCT）域先验处理彩色图像。开发了一个灵活版本的IDCN（IDCN-f），以应对广泛的压缩质量范围。基准数据集上的客观和主观评估实验表明，IDCN优于现有最先进方法，而IDCN-f在几乎不影响性能的情况下展现出处理广泛压缩质量的卓越能力，并展示了其在实际应用中的巨大潜力。