2ヶ月前

柔軟な盲目的JPEGアーティファクト除去に向けて

Jiang, Jiaxi ; Zhang, Kai ; Timofte, Radu
柔軟な盲目的JPEGアーティファクト除去に向けて
要約

単一の深層ブラインドモデルを訓練して、JPEG画像のアーティファクト除去に異なる品質係数に対応させることが、実用的な利便性から注目を集めています。しかし、既存の深層ブラインド手法は通常、品質係数を予測せずに直接画像を再構成するため、非ブラインド手法のような出力制御の柔軟性が欠けています。この問題を解決するために、本論文では調整可能な品質係数を予測し、アーティファクト除去と詳細保存のバランスを制御できる柔軟なブラインド畳み込みニューラルネットワーク(FBCNN)を提案します。具体的には、FBCNNはデカップラーモジュールを通じて品質係数とJPEG画像を分離し、その後、品質係数注意ブロックを通じて予測された品質係数を再構成モジュールに埋め込むことで柔軟な制御を実現します。さらに、既存の手法は1ピクセルのずれでも非対応の二重JPEG画像で失敗しやすいことを発見しました。これに対処するために、二重JPEG劣化モデルを提案し、訓練データを拡張しています。単一JPEG画像、より一般的な二重JPEG画像、および実世界のJPEG画像に対する広範な実験結果から、提案したFBCNNは定量的指標と視覚的品質の両面で最先端手法に対して優れた性能を達成していることが示されています。