摘要

训练单一的深度盲模型以处理不同质量因子的JPEG图像伪影去除问题，因其在实际应用中的便利性而受到广泛关注。然而，现有的深度盲方法通常直接重建图像而不预测质量因子，因此缺乏非盲方法所具有的输出控制灵活性。为了解决这一问题，本文提出了一种灵活的盲卷积神经网络，即FBCNN（Flexible Blind Convolutional Neural Network），该网络可以预测可调的质量因子，从而控制伪影去除与细节保留之间的平衡。具体而言，FBCNN通过解耦模块将质量因子从JPEG图像中分离出来，然后通过质量因子注意力块将预测的质量因子嵌入到后续的重建模块中，实现灵活控制。此外，我们发现现有方法在处理非对齐的双JPEG图像时即使只有单像素偏移也容易失败，因此我们提出了一种双JPEG退化模型来扩充训练数据。大量实验表明，在单JPEG图像、更一般的双JPEG图像以及真实世界的JPEG图像上，我们提出的FBCNN在定量指标和视觉质量方面均优于现有最先进方法。