CVPRMay, 2018

DPW-SDNet：双像素小波域深度 CNN 用于 JPEG 压缩图像的软解码

PDF
TL;DR本文介绍一种基于深度卷积神经网络的双像素 - 小波域软解码网络，用于通过减轻压缩和模糊等失真，提高 JPEG 压缩图像的质量，并且实验结果表明该算法优于其他压缩失真减少算法。
jpeg compressionsoft decodingconvolutional neural networkswavelet transformationimage quality improvement
发现论文，激发创造
  • 卷积神经网络用于 JPEG 图像：计算成本研究

    通过评估解码和传递图像的计算成本，本文提出了适用于频域的深度模型的手工制作和数据驱动技术，以降低计算复杂性和参数数量，使其与 RGB 基线模型相似，从而实现计算成本和准确性之间的更好权衡。

    Sep, 2023

  • DMCNN: 双域多尺度卷积神经网络用于压缩伪影去除

    本文提出一个 Dual-domain Multi-scale CNN (DMCNN) 用于降噪 JPEG 格式图像，在此基础下扩充了网络的感受野，通过像素和 DCT 域的冗余性进一步提高了输出图像的质量，并在实验中取得了新的技术优势。

    Jun, 2018

  • 基于离散小波变换的卷积神经网络的详细密集推断

    该论文提出了一种基于 CNN 编码器 - 解码器结构的 WCNN，并在城市景观数据集上进行了实验，结果表明它能够有效地进行高分辨率密集像素预测并提高准确性。

    Aug, 2018

  • DWT-CompCNN: 高吞吐量 JPEG2000 压缩文档的深度图像分类网络

    本研究提出了一种名为 DWT-CompCNN 的基于深度学习的模型，使用高通量 JPEG 2000（HTJ2K）算法压缩文档，并从中提取离散小波系数，从而在压缩域中高效准确的对文档进行分类。实验表明该模型在时间和空间上的效率更高，而且能够取得更好的分类效果。

    Jun, 2023

  • SDWNet：一种基于小波变换的长径网络用于图像去模糊

    本研究提出一种使用扩张卷积和小波变换的简化网络结构来解决图像去模糊问题，通过充分利用不同的感受野，使我们的方法在训练要求较低的情况下实现了与现有算法相当的性能。

    Oct, 2021

  • 深度解码器：从未经过训练的非卷积网络中提取简明图像表征

    本研究提出了一种未训练的简单图像模型 —— 深度解码器，它能够从非常少的权重参数生成自然图像，可以达到基于小波的阈值处理的效果，并且可以避免过拟合问题。此外，该模型简单且易于理论分析，为深度神经网络生成信号的有效表示提供了启示。

    Oct, 2018

  • 基于多层小波的生成对抗网络用于压缩视频感知质量提升

    本文提出了一种基于多层小波包变换的生成对抗网络（MW-GAN）方法，旨在增强压缩视频的感知质量，其中运动补偿与小波重构网络被用于恢复高频细节，实验结果表明了该方法的优越性。

    Aug, 2020

  • 学习如何在不改变标准解码器的情况下改善图像压缩

    本文提出了一种用于改善标准 JPEG 编码器的编码性能的学习方法，通过频域预编辑和同时学习 JPEG 量化表和预编辑神经网络可以有效改善 JPEG 的失真压缩性能。

    Sep, 2020

  • 一种用于检测双重 JPEG 压缩的多分支卷积神经网络

    本文提出了一种使用 JPEG 图像的 DCT 系数作为输入的 CNN 解决方案来检测双 JPEG 压缩的方法，并且相对于以往方法具备端到端的检测能力。

    Oct, 2017

  • 深度卷积网络用于压缩伪影降噪

    通过深度卷积网络的成功在超分辨率方面的成功，该论文提出了一种紧凑有效的网络，用于无缝衰减不同类型的压缩伪影，并证明使用传输学习和易于困难学习的思想可以在低级别视觉问题中实现出色的性能。

    Aug, 2016