論文の概要: Uncover Treasures in DCT: Advancing JPEG Quality Enhancement by Exploiting Latent Correlations

• arxiv url: http://arxiv.org/abs/2506.21171v1
• Date: Thu, 26 Jun 2025 12:08:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.070223
• Title: Uncover Treasures in DCT: Advancing JPEG Quality Enhancement by Exploiting Latent Correlations
• Title（参考訳）: DCTの宝物発見:潜伏相関の爆発によるJPEG品質向上
• Authors: Jing Yang, Qunliang Xing, Mai Xu, Minglang Qiao,
• Abstract要約: 本稿では、JPEG画像のDCT係数内の2つの重要な相関関係をフル活用するアドバンストDCT領域JPEG品質向上手法を提案する。 AJQE法は、多くの確立されたピクセルドメインモデルをDCT領域に適応させ、計算複雑性を低減して優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 38.07424900387283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Joint Photographic Experts Group (JPEG) achieves data compression by quantizing Discrete Cosine Transform (DCT) coefficients, which inevitably introduces compression artifacts. Most existing JPEG quality enhancement methods operate in the pixel domain, suffering from the high computational costs of decoding. Consequently, direct enhancement of JPEG images in the DCT domain has gained increasing attention. However, current DCT-domain methods often exhibit limited performance. To address this challenge, we identify two critical types of correlations within the DCT coefficients of JPEG images. Building on this insight, we propose an Advanced DCT-domain JPEG Quality Enhancement (AJQE) method that fully exploits these correlations. The AJQE method enables the adaptation of numerous well-established pixel-domain models to the DCT domain, achieving superior performance with reduced computational complexity. Compared to the pixel-domain counterparts, the DCT-domain models derived by our method demonstrate a 0.35 dB improvement in PSNR and a 60.5% increase in enhancement throughput on average.
• Abstract（参考訳）: JPEG(Joint Photographic Experts Group)は、圧縮アーティファクトを必然的に導入する離散コサイン変換(DCT)係数を定量化し、データ圧縮を実現する。 既存のJPEG品質向上手法の多くはピクセル領域で動作しており、復号化の計算コストが高い。 その結果,DCT領域におけるJPEG画像の直接強調が注目されている。 しかし、現在のDCTドメイン法は、しばしば限られた性能を示す。 この課題に対処するために、JPEG画像のDCT係数内の2つの重要な相関式を同定する。 この知見に基づいて,これらの相関関係を完全に活用する高度なDCTドメインJPEG品質向上手法を提案する。 AJQE法は、多くの確立されたピクセルドメインモデルをDCT領域に適応させ、計算複雑性を低減して優れた性能を実現する。 本手法により得られたDCTドメインモデルではPSNRが0.35dB向上し,平均スループットが60.5%向上した。

関連論文リスト

• JPEG Quantized Coefficient Recovery via DCT Domain Spatial-Frequential Transformer [45.134271969594614]
  JPEG量子化係数回復のためのDCT領域空間周波数変換器(DCTransformer)を提案する。 提案するDCTransformerは,現在最先端のJPEGアーティファクト除去技術より優れている。
  論文  参考訳（メタデータ） (2023-08-17T17:32:56Z)
• Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
  JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。 周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。 グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-03-05T13:15:28Z)
• Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
  本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。 実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:20:03Z)
• Improving Cost Learning for JPEG Steganography by Exploiting JPEG Domain Knowledge [52.880912557105106]
  JEC-RLはJPEG DCT構造をカスタマイズするように設計されている。 強化学習下での埋め込み動作サンプリング機構で動作する。 JPEGイメージの高度な機能ベースと最新のCNNベースのステガナライザーの両方に対して、優れたセキュリティ性能を実現することができる。
  論文  参考訳（メタデータ） (2021-05-09T08:10:41Z)

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。