論文の概要: OAPT: Offset-Aware Partition Transformer for Double JPEG Artifacts Removal

• arxiv url: http://arxiv.org/abs/2408.11480v2
• Date: Wed, 25 Sep 2024 03:50:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 06:11:36.231940
• Title: OAPT: Offset-Aware Partition Transformer for Double JPEG Artifacts Removal
• Title（参考訳）: OAPT: JPEGアーチファクト削除のためのオフセット対応分割変換器
• Authors: Qiao Mo, Yukang Ding, Jinhua Hao, Qiang Zhu, Ming Sun, Chao Zhou, Feiyu Chen, Shuyuan Zhu,
• Abstract要約: OAPTと呼ばれるJPEGアーティファクト除去のためのオフセット対応分割変換器を提案する。 8×8ブロック毎に最大4パターンのJPEG圧縮を行う。 OAPTは圧縮オフセット予測器と画像再構成器の2つのコンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 11.880153842710776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning-based methods have shown remarkable performance in single JPEG artifacts removal task. However, existing methods tend to degrade on double JPEG images, which are prevalent in real-world scenarios. To address this issue, we propose Offset-Aware Partition Transformer for double JPEG artifacts removal, termed as OAPT. We conduct an analysis of double JPEG compression that results in up to four patterns within each 8x8 block and design our model to cluster the similar patterns to remedy the difficulty of restoration. Our OAPT consists of two components: compression offset predictor and image reconstructor. Specifically, the predictor estimates pixel offsets between the first and second compression, which are then utilized to divide different patterns. The reconstructor is mainly based on several Hybrid Partition Attention Blocks (HPAB), combining vanilla window-based self-attention and sparse attention for clustered pattern features. Extensive experiments demonstrate that OAPT outperforms the state-of-the-art method by more than 0.16dB in double JPEG image restoration task. Moreover, without increasing any computation cost, the pattern clustering module in HPAB can serve as a plugin to enhance other transformer-based image restoration methods. The code will be available at https://github.com/QMoQ/OAPT.git .
• Abstract（参考訳）: ディープラーニングベースの手法は、単一のJPEGアーティファクト削除タスクにおいて顕著なパフォーマンスを示している。 しかし、既存の手法は、現実のシナリオでよく見られる二重JPEGイメージで劣化する傾向にある。 この問題に対処するため,OAPTと呼ばれるJPEGアーティファクトの二重削除のためのオフセット・アウェア分割変換器を提案する。 我々は8×8ブロック毎に最大4パターンのJPEG圧縮を解析し、類似したパターンをクラスタ化して復元の困難を解消するモデルの設計を行う。 OAPTは圧縮オフセット予測器と画像再構成器の2つのコンポーネントから構成される。 具体的には、予測器は、第1と第2の圧縮の間の画素オフセットを推定し、異なるパターンを分割するために使用される。 コンストラクタは主に複数のハイブリッドパーティションアテンションブロック(HPAB)に基づいており、バニラウィンドウベースの自己アテンションと、クラスタ化されたパターンの特徴に対するスパースアテンションを組み合わせたものである。 OAPTは2つのJPEG画像復元タスクにおいて0.16dB以上の精度で最先端の手法より優れていることを示した。 さらに、計算コストを増大させることなく、HPABのパターンクラスタリングモジュールは、他のトランスフォーマーベースの画像復元方法を強化するプラグインとして機能することができる。 コードはhttps://github.com/QMoQ/OAPT.gitで入手できる。

関連論文リスト

• Dual JPEG Compatibility: a Reliable and Explainable Tool for Image Forensics [13.859669037499769]
  JPEGパイプライン(圧縮または非圧縮)が与えられると、この論文は8×8ブロックの先行要素を見つける方法を示す。 JPEG圧縮後の塗布, 複写, スプライシングは, 3種類のミスマッチ問題に変換可能であることを示す。 提案手法は,偽陽性を伴わず,高い検出力で偽造をJPEGブロックにピン留めすることができる。
  論文  参考訳（メタデータ） (2024-08-30T08:45:37Z)
• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• Multi-Modality Deep Network for JPEG Artifacts Reduction [33.02405073842042]
  テキスト誘導JPEGアーティファクト削減のためのマルチモーダル融合学習法を提案する。 提案手法は,最先端の手法と比較して,より優れたデブロッキング結果が得られる。
  論文  参考訳（メタデータ） (2023-05-04T11:54:02Z)
• High-Fidelity Variable-Rate Image Compression via Invertible Activation Transformation [24.379052026260034]
  Invertible Activation Transformation (IAT) モジュールを提案する。 IATとQLevelは、画像圧縮モデルに、画像の忠実さを良く保ちながら、細かな可変レート制御能力を与える。 提案手法は,特に複数再符号化後に,最先端の可変レート画像圧縮法よりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2022-09-12T07:14:07Z)
• Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral Compressive Imaging [142.11622043078867]
  圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。 HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
  論文  参考訳（メタデータ） (2022-05-20T11:37:44Z)
• Practical Learned Lossless JPEG Recompression with Multi-Level Cross-Channel Entropy Model in the DCT Domain [10.655855413391324]
  本稿では,DCT領域で動作するディープラーニングに基づくJPEG再圧縮手法を提案する。 実験により,従来のJPEG再圧縮手法と比較して最先端の性能が得られた。
  論文  参考訳（メタデータ） (2022-03-30T14:36:13Z)
• Towards Flexible Blind JPEG Artifacts Removal [73.46374658847675]
  人工物除去と細部保存のトレードオフを制御するために,適応可能な品質因子を予測できるフレキシブルブラインド畳み込みニューラルネットワーク,すなわちFBCNNを提案する。 提案するFBCNNは,定量的な計測値と視覚的品質の両方の観点から,最先端の手法に対して良好な性能を実現する。
  論文  参考訳（メタデータ） (2021-09-29T17:12:10Z)
• Image Splicing Detection, Localization and Attribution via JPEG Primary Quantization Matrix Estimation and Clustering [49.75353434786065]
  画像領域の異なる2つのJPEGアーチファクトの不整合の検出は、しばしば局所的な画像操作を検出するために使用される。 ドナー画像の異なる領域を識別するエンド・ツー・エンドシステムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T11:21:49Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。