【注】参考自 Jiaying Liu 等的论文「A Comprehensive Benchmark for Single Image Compression Artifact Reduction」。
1. 常用数据集
1.1 数据集特征
1.2 数据集性能
2. 研究历史
压缩图像增强主要分为深度学习方法和非深度学习方法。
2.1 非深度方法
2.2 深度方法
深度方法目前主要分为两个主流：
- 研究更好地网络结构
- 研究更好地利用 DCT 域信息
2.3 性能指标
3. JPEG 压缩增强
JPEG 编码导致图像失真的主要因素：
- 量化过程导致 Blocking Artifacts
- 去除高频信息导致 Blurring
- 在尖锐的图像边缘出现 Ringing Artifacts
- 过大的量化（QF 较小时）导致光滑区域出现 Banding Effects
