我们提出了一种实用的 JPEG 图像解码方法,利用具有连续余弦公式的本地隐式神经表示。我们的模型在不同质量因素下能直接对解压缩的图像进行解码,而无需依赖传统的 JPEG 解码器,从而在灵活的彩色图像 JPEG 伪影去除任务中实现了最先进的性能。
Apr, 2024
我们提出了一种新的方案,以无损的方式重新压缩 JPEG 图像。使用 JPEG 图像作为输入,该算法部分解码信号以获得量化的 DCT 系数,然后以更有效的方式重新压缩它们。
Oct, 2023
本研究探讨了数字图像处理中的压缩方法对图像失真度和分类准确率的影响,特别是在 JPEG 压缩标准的量化表设计方面进行新的优化,取得了显著的性能提升。
Aug, 2020
本文介绍了基于深度学习的 JPEG 图像重压缩方法,能够在 DCT 域中进行操作,提出了多级交叉通道熵模型以压缩最具信息量的 Y 分量,在保证无损的前提下实现了 JPEG 图像转码为更节省存储空间的比特流,实验表明该方法在传统 JPEG 重压缩方法(Lepton,JPEG XL 和 CMIX)中表现出最先进的性能。
Mar, 2022
通过 DCT 领域的空频转换器(DCTransformer)以及量化矩阵嵌入和亮度 - 色度对齐技术,本研究提出的方法在去除 JPEG 图像伪影方面优于现有技术。
Aug, 2023
基于压缩感知的端到端图像压缩系统,结合传统压缩采样重建、量化和熵编码,可与 JPEG 相媲美,在低码率下表现显著优越。通过研究影响系统性能的参数,我们提出了一种有效的方法来联合控制量化步长和压缩比,以实现在任何给定比特率下达到接近最优的质量。此外,我们的压缩系统可直接用于压缩感知相机,例如单像素相机,构建一种硬件压缩采样系统。
Jun, 2017
本文提出了一种在离散余弦变换(DCT)表示上执行语义分割的方法,通过重新排列 DCT 系数以形成首选输入类型,并针对 DCT 输入量调整现有网络来实现。该方法的准确性接近于 RGB 模型,在网络复杂性相当的情况下,适当选择 DCT 分量可以使用 36%的 DCT 系数获得相同水平的准确性,并且可以显示该方法的鲁棒性在量化误差下。据我们所知,这是第一篇探索 DCT 表示上的语义分割的论文。
Jul, 2019
本研究调查了不同的图像压缩技术,针对不同的数据类型采用不同的技术,介绍了两种基本的图像压缩技术,以及在某些领域使用神经网络和遗传算法进行图像压缩的方法.
Nov, 2013
描述一种图像压缩方法,其由非线性分析变换、均匀量化器和非线性合成变换构成,并使用卷积线性滤波器和非线性激活函数的三个连续阶段构建变换,其中联合非线性性选择实现形式的局部增益控制,利用随机梯度下降的变体优化整个模型以实现训练图像数据库的速率失真性能,以及一个连续的代理来引入量化器产生的不连续损失函数,具有比标准 JPEG 和 JPEG2000 压缩方法更好的速率失真性能,并且在所有位率下对所有图像的视觉质量均有显著提高。
Nov, 2016
通过学习的量化表和马尔科夫分层变化自动编码器构建的统一有损和无损 JPEG 重新压缩框架,在接近上界的比特率下可以实现任意低的失真。据我们所知,这是填补 JPEG 图像损失和无损重压缩之间差距的第一个学习方法。
Dec, 2023