要約
ロス圧縮は、特にブロックノイズ、リング効果、およびぼかしを含む複雑な圧縮アーティファクトを導入します。既存のアルゴリズムは、ブロックノイズの除去に焦点を当ててぼやけた出力を生成するか、またはリング効果を伴うシャープ化された画像を復元します。スーパーレゾリューションにおける深層畳み込みネットワーク（Deep Convolutional Networks: DCN）の成果に触発され、異なる圧縮アーティファクトをシームレスに軽減するためのコンパクトで効率的なネットワークを定式化しました。また、浅いネットワークで学習した特徴量を使用してより深いモデルを効果的に訓練できることを示しています。同様の「簡単から難しい」アイデアに基づき、いくつかの実用的な転移設定について系統的に調査を行い、低レベル視覚問題における転移学習の有効性を示しました。当社の手法は、ベンチマークデータセットと実世界での使用例（例えばTwitter）において最新技術よりも優れた性能を示しています。さらに、当社の手法が圧縮された画像を受け入れる他の低レベル視覚ルーチンの前処理として適用できることも示しました。