Pixel Transformer: Transformer-Based JPEG Compression Artifact Removal
Jiho Eum, Yujin Choi, Jihoon Choi, Heemin Park · 정보과학회 컴퓨팅의 실제 논문지 · 2025
컴퓨터 비전 분야에서 머신러닝이 적용되기 시작하면서 이미지 데이터의 중요성이 크게 부각되고 있다. 머신러닝 모델의 학습과정에서는 이미지 데이터를 효율적으로 처리하기 위해 JPEG 형식이 사용되지만, JPEG 압축 과정에서 고주파 정보가 손실되어 압축 아티팩트가 발생한다. 이러한 아티팩트는 이미지 품질 저하뿐만 아니라 머신러닝 모델의 성능 저하로도 이어진다. 본 연구에서는 트랜스포머 기반의 JPEG 압축 아티팩트 모델인 Pixel Transformer(PxT)를 제안한다. 기존 모델인 ARCNN, BlockCNN, DnCNN 등 다양한 JPEG 압축 아티팩트 제거 모델 대비 높은 PSNR, LPIPS를 달성하였다. 또한 JPEG 압축 아티팩트 제거가 머신러닝 모델의 성능 개선에 기여하는지 확인한다.