量化引导的JPEG伪影校正

JPEG图像压缩算法因其能够实现高压缩比而成为最流行的图像压缩方法。然而，为了达到如此高的压缩效果，部分信息会被丢失。在激进的量化设置下，这会导致图像质量显著下降。近年来，基于深度神经网络的伪影校正研究已取得一定进展，但当前最先进的方法需要为每个质量设置单独训练一个模型，极大地限制了其实际应用。我们通过创建一种新颖的架构来解决这一问题，该架构以JPEG文件的量化矩阵作为参数。这使得我们的单一模型能够在特定质量设置下训练的模型中实现最先进的性能。