Menuju Penghapusan Artefak JPEG Blind Fleksibel

  • Whatsapp


Jaringan saraf dalam telah berhasil digunakan untuk penghapusan artefak JPEG. Namun, beberapa masalah tetap ada. Misalnya, sebagian besar metode yang ada mengasumsikan bahwa gambar hanya dikompresi sekali, yang tidak berlaku untuk banyak gambar di Internet. Mereka juga memerlukan model khusus untuk setiap faktor kualitas JPEG.

Oleh karena itu, sebuah makalah baru-baru ini menyarankan tirai fleksibel jaringan saraf konvolusi untuk restorasi gambar JPEG.

Jaringan saraf dalam dapat diterapkan untuk memecahkan masalah penghapusan artefak JPEG.

Jaringan saraf dalam dapat diterapkan untuk memecahkan masalah penghapusan artefak JPEG. Kredit gambar: geralt melalui Pixabay, CC0 Domain Publik

Para peneliti mengusulkan model tunggal yang dapat menangani faktor kualitas yang berbeda. Hal ini dapat memprediksi faktor kualitas laten untuk memandu restorasi gambar. Kemudian, faktor tersebut dapat disesuaikan secara manual untuk mengontrol preferensi antara penghapusan artefak dan pelestarian detail.

Penulis juga membahas tugas restorasi JPEG ganda yang tidak selaras untuk mengambil langkah-langkah menuju gambar JPEG nyata. Hasil eksperimen menunjukkan fleksibilitas, efektivitas, dan generalisasi dari model yang diusulkan.

Pelatihan model deep blind tunggal untuk menangani faktor kualitas yang berbeda untuk penghapusan artefak gambar JPEG telah menarik banyak perhatian karena kenyamanannya untuk penggunaan praktis. Namun, metode deep blind yang ada biasanya langsung merekonstruksi gambar tanpa memprediksi faktor kualitas, sehingga kurang fleksibel untuk mengontrol output seperti metode non-blind. Untuk mengatasi masalah ini, dalam makalah ini, kami mengusulkan jaringan saraf konvolusi buta yang fleksibel, yaitu FBCNN, yang dapat memprediksi faktor kualitas yang dapat disesuaikan untuk mengontrol pertukaran antara penghapusan artefak dan pelestarian detail. Secara khusus, FBCNN memisahkan faktor kualitas dari gambar JPEG melalui modul decoupler dan kemudian menanamkan faktor kualitas yang diprediksi ke dalam modul rekonstruktor berikutnya melalui blok perhatian faktor kualitas untuk kontrol yang fleksibel. Selain itu, kami menemukan metode yang ada cenderung gagal pada gambar JPEG ganda yang tidak disejajarkan bahkan dengan hanya pergeseran satu piksel, dan dengan demikian kami mengusulkan model degradasi JPEG ganda untuk menambah data pelatihan. Eksperimen ekstensif pada gambar JPEG tunggal, gambar JPEG ganda yang lebih umum, dan gambar JPEG dunia nyata menunjukkan bahwa FBCNN yang kami usulkan mencapai kinerja yang menguntungkan dibandingkan metode canggih baik dari segi metrik kuantitatif dan kualitas visual.

Makalah penelitian: Jiang, J., Zhang, K., dan Timofte, R., “Menuju Penghapusan Artefak JPEG Blind Fleksibel”, 2021. Tautan: https://arxiv.org/abs/2109.14573




Pos terkait

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.