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

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

本文为针对使用离散余弦变换进行有损图像压缩的综述，旨在介绍用于全彩色静态图像应用的 JPEG 压缩算法及其各个组成部分。

May, 2014

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

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

本文提出一种基于分块离散余弦变换（DCT）块的生成模型，使用 Transformer-based 自回归模型对块进行预测，以生成高质量、多样化的图像，并展示了对于简单的改进，该方法在图像着色和高精度图像放大方面也具有有效性。

Mar, 2021

本文提出了一种基于频域的图像恢复方法，使用交叉熵损失学习频域中的分布，将图像恢复问题作为分类问题来处理，以确定图像补丁中每个频率带的频率系数。

May, 2018

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

提出了一种基于频域熵建模的压缩模型，通过离散余弦变换（DCT）对特征网格进行压缩，进一步使用熵参数化技术提高稀疏性，实现轻量级压缩编解码，从而使得体积辐射场方法更易于在实际应用中使用。实验结果表明，所提出的频域熵模型在多个数据集上达到了卓越的压缩性能。

Nov, 2023

该篇论文介绍了一种名为 EFDR 的基于 DCT 变换的图像藏密算法，通过对 JPEG 格式图像的子带进行特征增强，实现将彩色图像嵌入到 JPEG 图像中的目的。实验结果表明，该算法在载密量、抗失真等方面表现出优异的性能。

May, 2023