영상 압축 환경에서의 압축 강도를 고려한 Denoising 기반 VGGT 성능 분석

Ⅰ. 서 론

최근 VGGT (Visual Geometry Grounded Transformer) ^[1]와 같은 3D 비전 모델의 발전은 복잡한 현실 장면을 세밀하게 재구성하고 이해하는 능력을 크게 향상시켰다. VGGT는 단일 이미지 입력만으로 카메라 파라미터, 깊이 맵 및 포인트 맵을 추론할 수 있는 모델로, 단순한 구조와 사전학습 된 신경망을 기반으로 3D 재구성 분야에서 현존 최고 수준의 성능을 보여준다. 그러나 현실적으로는 이러한 모델을 실제 응용 (3D 객체 탐지, 장면 복원 등)에 적용하기 위해서는 전송 대역폭의 한계, 저장공간의 부족, 실시간 처리 속도 요구와 같은 제약을 직면하게 된다. 이러한 이유로, 손실 압축이 적용된 데이터를 입력으로 사용하는 경우가 일반적이다. 손실 압축은 주파수 도메인 변환 과정에서 고주파 영역의 정보를 일부 포기하는 대신 비트 전송률을 줄인다. 하지만 정보를 포기하면서 발생하는 압축 아티팩트는 인간의 영상 인지에 영향을 줄 뿐만 아니라, 컴퓨터 비전 모델의 장면 해석 정확도를 저하시키는 요인으로 작용할 가능성이 있다.

2D 비전 분야에서는 압축 아티팩트가 모델 성능에 미치는 영향을 다룬 연구^[2,3]가 이루어져 왔으나, 3D 비전 분야에서는 압축 강도와 모델 성능 간의 관계를 체계적으로 분석한 연구가 거의 없는 실정이다. 이러한 연구의 부재는 3D 비전 모델을 현실적으로 적용함에 있어, 압축 영상을 신뢰성 있게 활용하는 데에 위험요소로 작용한다. 예를 들어, 네트워크 환경으로 인해 압축된 이미지가 입력으로 사용될 경우, 모델이 예기치 못한 오차를 내거나 재구성 품질이 급격히 저하될 수 있다. 결국, 압축 강도에 따른 입력 이미지의 품질 저하가 3D 비전 모델의 성능에 미치는 영향을 명확히 규명하는 것이 본 연구에서 제안하는 압축 영상 입력 기반 3D 비전 모델의 활용 가능성을 보장하는 핵심 과제이다.

본 연구에서는 현재 최고 수준의 성능 모델인 VGGT에서 입력 이미지의 압축 강도의 변화 따른 성능 변화를 정성적, 정량적으로 분석하였다. 이를 위해 CO3Dv2 데이터셋^[4]을 기반으로, 대표적 이미지 코덱인 JPEG^[5]과 대표적 동영상 코덱인 AVC (H.264)^[7]에 대해 다양한 압축 강도로 구성된 압축 이미지 데이터셋을 구성하여 압축으로 인한 성능 하락을 관찰하였다. 또한, HEVC, VVC로 압축된 검증용 데이터셋을 구성하였다. 검증용 압축 데이터셋에 대해 동영상 기반 압축 노이즈 제거 모델 (STDF^[29], RFDA^[30], 그리고 STFF^[31])을 적용하여 노이즈 제거를 실시하였고, 압축 영상 및 노이즈 제거된 영상의 VGGT 모델의 추론을 실시하여 평가를 실시하였다. 정성적, 정량적 결과를 시각적 비교 및 포인트 맵의 포인트 수, Chamfer Distance^[9], Area Under Curve (AUC)를 평가지표로 하여 압축 강도에 따른 VGGT 성능을 평가하였다. 전반적인 연구의 흐름은 그림 1과 같다.

Fig. 1.

Overall framework used in this paper. The input images are compressed using standard codecs: JPEG for images and AVC for videos. Each frame is fed into VGGT to infer point maps and camera poses.

Ⅱ. 관련 연구

Ⅲ. 본 론

본 연구에서는 압축 영상이 VGGT 성능에 미치는 영향을 분석 관점과 복원 적용 관점에서 구분하여 접근한다. 먼저, 압축 강도가 3D 추론 성능에 미치는 영향을 정밀하게 분석하기 위해, 압축 파라미터를 비교적 안정적으로 제어할 수 있는 AVC 기반 압축을 분석용 기준으로 사용하였다. 이는 특정 코덱 구조나 참조 프레임 설정에 따른 영향을 최소화하고, 압축 강도 변화에 따른 성능 추이를 관찰하기 위함이다. 영상 복원 실험에서는 실제 전송 및 저장 환경에서 널리 사용되는 HEVC 및 VVC 코덱을 적용하여, 복원 기법들이 표준 비디오 압축 환경에서도 VGGT의 추론 성능을 개선할 수 있는지를 검증하였다.

Ⅳ. 실험 결과

1. 포인트 맵 추정

그림 2, 그리고 그림 3은 서로 다른 압축 강도의 이미지를 입력으로 주었을 때 모델이 추론한 포인트 맵의 변화 시각화 결과이다. 추론이 완전히 실패한 경우가 아니라면 대부분 중심 물체의 두드러지는 시각적 차이는 나타나지 않았고, 배경에 대한 포인트 수가 감소하는 경향을 보였다. 그러나 AVC 코덱의 QP 42, 47에서 중심 물체의 포인트 예측에 대해서도 성능 저하가 나타났다. 이는 그림 3 하단에서 확인할 수 있다. 각 카테고리별 압축 강도에 따른 예측 포인트 맵은 그림 4에 나타나 있다.

Fig. 2.

Inferred point maps by VGGT for the Plant category on the CO3Dv2 dataset(Top: JPEG Quality 70 (left) and 10 (right); Bottom: AVC QP 27 (left) and 47 (right))

Fig. 3.

Inferred point maps by VGGT for the backpack category on the CO3Dv2 dataset(Top: JPEG Quality 70 (left) and 10 (right); Bottom: AVC QP 27 (left) and 47 (right))

Fig. 4.

Inferred Point maps by VGGT for each category at different compression levels; scenes with failed predictions are left empty.

2. 추정된 포인트 맵의 포인트 수

VGGT가 추론한 포인트 맵의 포인트 수를 확인한 결과, 압축 강도에 따라 변화가 나타났다. 압축 강도가 높아질수록 추론된 포인트 수가 감소하는 경향을 보였다. 이는 부분적인 압축 아티팩트로 인해 특정 픽셀에 대한 깊이 예측이 어려워졌기 때문으로 보인다. 압축이 적용된 프레임의 VGGT 추론 후 포인트 수의 변화는 표 1과 표 2에 제시하였다.

Table 1.

The mean of the number of points in the point map when JPEG-compressed images are used as input to VGGT. Red text indicates the QF with the highest mean number of points, while blue text indicates the QF with the lowest mean number of points.

Table 2.

The mean of the number of points in the point map when AVC-compressed images are used as input to VGGT. Red text indicates the QP with the highest mean number of points, while blue text indicates the QP with the lowest mean number of points.

3. 추정된 포인트 맵의 유사도

한 장의 이미지를 넣었을 때 VGGT 모델이 생성하는 포인트 맵의 유사도를 평가하기 위해서 Chamfer Distance를 평가지표로 사용하였다. Chamfer Distance는 두 점 집합 $$ S_1,S_2\subseteq {\mathbb{R}}^3$$의 차이를 측정하는 지표로 다음의 식으로 정의된다:

$\[ d_{CD}\left(S_1,S_2\right)=\frac{1}{\left|S_1\right|}\sum _{x\in S_1}\underset{y\in S_2}{\mathrm{m}\mathrm{i}\mathrm{n}}{\Vert x-y\Vert }_2^2+\frac{1}{\left|S_2\right|}\sum _{y\in S_2}\underset{x\in S_1}{\mathrm{m}\mathrm{i}\mathrm{n}}{\Vert x-y\Vert }_2^2. \]$

(1)

식 (1)은 차이가 작을수록 두 집합이 유사함을 의미한다. 표 3, 4에서 볼 수 있듯이, 평균적으로 압축 강도가 강한 입력에 대해 Ground Truth와 차이가 있는 점 집합을 생성하는 경향을 보였다. 그러나 일부 카테고리에 대해선 이와 반대되는 결과를 보이기도 하였다. Laptop 카테고리의 경우엔 AVC QP 47, JPEG Quality 10과 같이 강한 압축이 적용된 입력에서 Chamfer Distance가 오히려 감소했다. 이는 VGGT를 포함한 3D 장면을 추론하는 모델이 유리나 거울같이 빛이 반사되는 입력이 들어왔을 때 반사된 영역에 대한 깊이를 정확하게 예측하지 못하는 한계^[9,10] 때문으로 해석된다. 그림 5에서 보이듯 Laptop 카테고리는 노트북 화면이나 책상에 물체가 반사되는 입력이 존재하여 저품질 포인트 맵을 추론한 것이 확인되었다. GT가 추론한 포인트 맵의 포인트 수를 확인한 결과, 압축 강도에 따라 변화가 나타났다. 압축 강도가 높아질수록 추론된 포인트 수가 감소하는 경향을 보였다. 이는 부분적인 압축 아티팩트로 인해 특정 픽셀에 대한 깊이 예측이 어려워졌기 때문으로 보인다.

Table 3.

The mean of the chamfer distance in the point map when JPEG-compressed images are used as input to VGGT. Red text indicates the QF with the highest mean chamfer distance, while blue text indicates the QF with the lowest mean of chamfer distance.

Table 4.

The mean of chamfer distance in the point map when AVC-compressed images are used as input to VGGT. Red text indicates the QP with the highest mean chamfer distance, while blue text indicates the QP with the lowest mean of chamfer distance.

Fig. 5.

Input images of the Laptop category and the corresponding point maps inferred by VGGT (from left to right: input image, top-view of the point map, and side-view of the point map)

4. 카메라 포즈 추정

VGGT가 추론한 카메라 포즈의 정확도를 평가하기 위해 Area Under the curve lower than a fixed threshold (AUC@θ) 평가지표를 활용하였으며 AUC@30, 15, 5, 3을 사용하였다. 해당 평가에 대한 식은 아래의 식으로 나타낼 수 있다.

$\[ A\left(\theta \right)=\frac{1}{N}\sum _{i=1}^{N}1\left(e_i\right|\theta ),AUC@\theta =\frac{1}{{\theta }_{max}}{\int }_0^{\theta }A\left(\theta \right)d\theta . \]$

(2)

예측된 카메라 포즈가 GT 포즈와의 오차(e_i)가 θ 이하일 때 정답으로 간주되는 비율을 의미한다. θ는 평가 기준의 엄격함을 의미하고 작을수록 엄격한 기준을 적용한다. 또한 AUC 값이 클수록 카메라 포즈 예측이 기준을 통과한 비율이 높음을 의미한다. 압축 강도에 따른 카메라 포즈 예측 AUC는 표 5, 6을 통하여 보고한다.

Table 5.

The mean of AUC when JPEG-compressed images are used as input to VGGT. Red text indicates the QF with the highest mean of AUC, while blue text indicates the QF with the lowest mean of AUC.

Table 6.

The mean of AUC when AVC-compressed images are used as input to VGGT. Red text indicates the QP with the highest mean of AUC, while blue text indicates the QP with the lowest mean of AUC.

표 5, 그리고 6에서 확인할 수 있듯이 압축 영상의 경우, 압축 강도가 커질수록 카메라 포즈 예측 성능이 전반적으로 저하되는 경향을 보였다. 반면, 표 7에 나타낸 평균PSNR 저하가 AVC보다 JPEG에서 더 컸음에도 불구하고 JPEG 코덱에서는 AUC@30 및 AUC@15 기준에서 압축 강도의 변화가 예측 성능에 유의미한 영향을 주지 않았다.즉, JPEG 코덱에서는 압축이 강해져도 대략적인 카메라 포즈를 비교적 정확히 예측했다고 볼 수 있다. 이는 JPEG의 세부적인 디테일을 저하시키면서 압축하는 방식이 이미지를 전역적으로 해석하는 Vision Transformer^[12,13] 기반의 VGGT에서는 큰 영향을 주지 않은 것으로 추정된다. 한편, Laptop 카테고리의 경우 임계 값(θ)과 압축 강도에 관계 없이 카메라 포즈 추정이 안정적으로 이루어지지 않았다. 이는 앞서 언급한 반사에 의한 시각적 왜곡이 모델의 카메라 포즈 추론 과정에 영향을 준 것으로 보인다. 전반적인 연구의 결과, AVC에서 QP 증가에 따라 성능 저하가 누적되며, 특히 높은 QP 구간에서 포인트 수 감소와 AUC 하락이 더 두드러지는 경향을 보였다 (그림 6).

Table 7.

Average PSNR as a function of compression level of input image

Fig. 6.

Trends in VGGT inference performance under AVC compression. For nine representative categories, changes in the mean number of points, Chamfer Distance, AUC@30, and AUC@15 are shown using RAW and AVC inputs (QP 27, 32, 37, 42, and 47). Stronger compression (QP 42-47) leads to larger performance degradation.

5. 노이즈 제거 모델 활용 연구 결과

본 절에서는 압축 영상 입력 환경에서의 3D 비전 모델성능 변화를 분석하기 위해, CO3Dv2 데이터셋의 모든 카테고리에 대해 1개씩의 대표 씬을 HEVC, VVC를 각각 QP 27, 32, 37을 적용하여 압축 테스트 데이터셋을 구성하였다. 이후, 대표적 멀티 프레임 기반 노이즈 제거 모델인 STDF, RFDA, STFF를 활용하여 부호화 영상의 압축 아티팩트를 감소시킨 뒤, 해당 프레임들을 VGGT 모델의 입력으로 사용하여 카메라 포즈 예측 결과인 AUC@30, AUC@15, AUC@5, AUC@3, 그리고 포인트 맵의 예측 결과인 accuracy, completeness, chamfer distance에 대한 결과를 표 8-13에서 보고한다. 각각의 QP에 맞게 MFQEv2 데이터셋으로 기 학습된 가중치를 활용하여 노이즈 제거 모델의 추론 결과를 활용하였다.

Table 8.

Camera Pose estimation and point map prediction results for HEVC-compressed frames at QP 27 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

Table 9.

Camera Pose estimation and point map prediction results for HEVC-compressed frames at QP 32 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

Table 10.

Camera Pose estimation and point map prediction results for HEVC-compressed frames at QP 37 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

Table 11.

Camera Pose estimation and point map prediction results for VVC-compressed frames at QP 27 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

Table 12.

Camera Pose estimation and point map prediction results for VVC-compressed frames at QP 32 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

Table 13.

Camera Pose estimation and point map prediction results for VVC-compressed frames at QP 37 and for the denoising model. Red indicates the best performance excluding VGGT inference result on RAW input.

적용 결과, HEVC, VVC에서도 압축 강도가 증가할수록 예측 성능이 일관되게 저하되는 경향을 보임을 알 수 있다. 노이즈 제거 모델을 적용한 경우, HEVC 압축 데이터에 대해서는 (표 8-10) STDF가 낮은 강도의 QP 설정에서 카메라 포즈 추정과 포인트 맵 정확도 측면에서 가장 안정적인 성능 향상 기여를 보였으며, 높은 압축 강도에서는 STFF 모델이 카메라 포즈 예측에서의 가장 높은 향상도를 달성하였다. VVC 압축 데이터에 대해서는 (표 11-13) 낮은 압축 강도에 대해서는 STDF가 비교적 카메라 포즈 및 포인트 맵 예측 성능에서 높은 회복세를 이루는 결과를 확인할 수 있었다.

Ⅴ. 결 론

본 연구에서는 CO3Dv2 기반 데이터셋에 JPEG과 AVC 코덱을 적용하여 다양한 압축 강도의 데이터셋을 구성하고, VGGT의 성능 변화를 분석하였다. 정량적으로, 압축 강도가 높아질수록 추정된 포인트 수 감소, 추론된 포인트 맵 유사도 저하를 확인할 수 있었다. 카메라 포즈 예측은 AVC는 모든 임계 값에서 성능 저하가 나타났다. 특히, AVC 코덱은 QP 42 이상, JPEG은 Quality 20 이하부터 성능 저하가 급격히 발생하였다. 정성적 평가에서도 예측 성능 저하를 확인할 수 있었다. 이로써, 압축 유무를 확인하지 않고 기존 3D 비전 모델의 입력으로 활용할 경우 성능의 하락을 피할 수 없음을 확인할 수 있었다. 본 결과는 강한 압축 환경에서도 강건한 3D 재구성 모델 설계 필요성을 시사한다. 노이즈 제거 모델을 거친 이미지의 VGGT 추론 결과, 현존하는 멀티 프레임 노이즈 제거 모델을 활용할 경우 카메라 포즈 예측 및 포인트 맵 예측에 대한 보완이 가능함을 알 수 있었다. 향후 연구에서는 압축된 영상에 앞서 언급하였으나 활용되지 않은 노이즈 제거 모델^[14-19]을 적용해 데이터셋을 확장하여 구축하고, 확장된 데이터셋을 활용하여 다양한 3D 비전 모델의 성능을 분석할 예정이다.

Acknowledgments

This research was supported by the Regional Innovation System & Education(RISE) Glocal 30 program through the Daegu RISE Center, funded by the Ministry of Education(MOE) and the Daegu, Republic of Korea.(2025-RISE-03-001)

References

• J. Wang, M. Chen, N. Karaev, A.Vedaldi, C. Rupprecht, and D. Novotny, “VGGT: Visual Geometry Grounded Transformer,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Nashville, USA, pp.5294-5306, June 2025. [https://doi.org/10.1109/CVPR52734.2025.00499]
• M. Ehrlich, L. Davis, S.-N. Lim, and A. Shrivastava, “Analyzing and Mitigating JPEG Compression Defects in Deep Learning,” Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), Montreal, Canada, pp.2357-2367, Oct. 2021. [https://doi.org/10.1109/ICCVW54120.2021.00267]
• M. O’Byrne, M. Sugrue, Vibhoothi, and A. Kokaram, “Impact of Video Compression on the Performance of Object Detection Systems for Surveillance Applications,” Proceedings of 18th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), Madrid, Spain, pp.1-8, Dec. 2022. [https://doi.org/10.1109/AVSS56176.2022.9959476]
• J. Reizenstein, R. Shapovalov, P. Henzler, L. Sbordone, P. Labatut, and D. Novotny, “Common Objects in 3D: Large-Scale Learning and Evaluation of Real-Life 3D Category Reconstruction,” Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), Montreal, Canada, pp.10901-10911, Oct. 2021. [https://doi.org/10.1109/ICCV48922.2021.01072]
• G. K. Wallace, “The JPEG still picture compression standard,” IEEE Transactions on Consumer Electronics, Vol.38, No.1, pp.xviii–xxxiv, Feb. 1992. [https://doi.org/10.1109/30.125072]
• ISO/IEC, JPEG 2000 Image Coding System — Part 1: Core Coding System, ISO/IEC 15444-1 (also published as ITU-T Rec. T.800), 2nd ed., 2004.
• T. Wiegand, G. J. Sullivan, G. Bjøntegaard, and A. Luthra, “Overview of the H.264/AVC Video Coding Standard,” IEEE Transactions on Circuits and Systems for Video Technology, Vol.13, No.7, pp.560–576, Jul. 2003. [https://doi.org/10.1109/TCSVT.2003.815165]
• G. J. Sullivan, J.-R. Ohm, W.-J. Han, and T. Wiegand. “Overview of the high efficiency video coding (HEVC) standard,” IEEE Transactions on Circuits and Systems for Video Technology, Vol.22, No.12, pp.1649–1668, Dec. 2012. [https://doi.org/10.1109/TCSVT.2012.2221191]
• H. Fan, H. Su, and L. J. Guibas, “A Point Set Generation Network for 3D Object Reconstruction from a Single Image,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, USA, pp.605–613, Jul. 2017. [https://doi.org/10.1109/CVPR.2017.264]
• J.Wu, Z. Wang, I. Laina, and V. A. Prisacariu, “Reflect3r: Single-View 3D Stereo Reconstruction Aided by Mirror Reflections,” arXiv preprint arXiv:2509.20607, 2025. [https://doi.org/10.48550/arXiv.2509.20607]
• Y. Chen, H. Xu, C. Zheng, B. Zhuang, M. Pollefeys, A. Geiger, T.-J. Cham, and J. Cai, “MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images,” Proceedings of the European Conference on Computer Vision (ECCV), Lecture Notes in Computer Science, Vol.15079, Milan, Italy, pp.370-386, 2024. [https://doi.org/10.1007/978-3-031-72664-4_21]
• A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, X. Zhai, T. Unterthiner, M. Dehghani, M. Minderer, G. Heigold, S. Gelly, J. Uszkoreit, and N. Houlsby, “An image is worth 16×16 words: Transformers for image recognition at scale,” Proceedings of the International Conference on Learning Representations(ICLR), 2021. [https://doi.org/10.48550/arXiv.2010.11929]
• S. Paul, and P.-Y. Chen, “Vision Transformers are Robust Learners,” Proceedings of the AAAI Conference on Artificial Intelligence (AAAI), Vol.36, No.2, pp.2071–2081, 2022. [https://doi.org/10.1609/aaai.v36i2.20103]
• W. K. Han, S. Im, J. Kim, and K. H. Jin, “JDEC: JPEG Decoding via Enhance Continuous Cosine Coefficients,” Proceedings of IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, USA, pp. 2784-2793, June 2024. [https://doi.org/10.1109/CVPR52733.2024.00269]
• B. Li, X. Li, Y. Lu, R. Feng, M. Guo, S. Zhao, L. Zhang, and Z. Chen, “PromptCIR: Blind Compressed Image Restoration with Prompt Learning,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Seattle, USA, pp.6442-6452, 2024. [https://doi.org/10.1109/CVPRW63382.2024.00645]
• J. Guo, Z. Chen, W. Li, Y. Guo, and Y. Zhang, “Compression-Aware One-Step Diffusion Model for JPEG Artifact Removal,” Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), Honolulu, Hawaii, pp.14930-14939, Oct. 2025. [https://doi.org/10.48550/arXiv.2502.09873]
• T. Zhang, X. Luo, L. Li, and D. Liu, “StableCodec: Taming One-Step Diffusion for Extreme Image Compression,” Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), Honolulu, Hawaii, pp.17379-17389, Oct. 2025. [https://doi.org/10.48550/arXiv.2506.21977]
• J. Guo, Y. Ji, Z. Chen, K. Liu, M. Liu, W. Rao, W. Li, Y. Guo, and Y. Zhang, “OSCAR: One-Step Diffusion Codec Across Multiple Bitrates,” Proceedings of the Neural Information Processing Systems (NeurIPS), San Diego, USA, Dec. 2025. [https://doi.org/10.48550/arXiv.2505.16091]
• R. Wu, L. Sun, Z. Ma, and L. Zhang, “One-Step Effective Diffusion Network for Real-World Image Super-Resolution,” Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS), Vancouver, Canada, pp.92529-92553, Dec. 2024. [https://doi.org/10.52202/079017-2938]
• M.-Y. Shen, and C.-C.J. Kuo, “Review of Postprocessing Techniques for Compression Artifact Removal,” Journal of Visual Communication and Image Representation, Vol.9, No.1, pp.2-14, Mar. 1998. [https://doi.org/10.1006/jvci.1997.0378]
• O. Ozyesil, V. Voroninski, R. Basri, and A. Singer, “A Survey of Structure from Motion,” Acta Numerica, Vol.26, pp.305-364, May, 2017. [https://doi.org/10.1017/S096249291700006X]
• S. Wang, V. Leroy, Y. Cabon, B. Chidlovskii and Jerome Revaud, “DUSt3R: Geometric 3D Vision Made Easy,” Proceedings of IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, USA, pp 20697-20709, June 2024. [https://doi.org/10.1109/CVPR52733.2024.01956]
• C. Dong, Y.Deng, C. C. Loy, and X. Tang, “Compression Artifacts Reduction by a Deep Convolutional Network,” Proceedings of the International Conference on Computer Vision (ICCV), Santiago, Chile, pp.576-584, Dec. 2015. [https://doi.org/10.1109/ICCV.2015.73]
• K. Zhang, W. Zuo, Y. Chen, D. Meng, and L. Zhang, “Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising,” IEEE Transaction on Image Processing, Vol.26, No.7, pp.3142-3155, July 2017. [https://doi.org/10.1109/TIP.2017.2662206]
• K. Zhang, Y. Li, W. Zuo, L. Zhang, L. V. Gool, and R. Timofte, “Plug-and-Play Image Restoration With Deep Denoiser Prior,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.44, No.10, pp.6360-6376, Oct. 2022. [https://doi.org/10.1109/TPAMI.2021.3088914]
• B. Bross, Y.-K. Wang, Y. Ye, S. Liu, J. Chen, G. J. Sullivan, and J.-R. Ohm, “Overview of the versatile video coding (VVC) standard and its applications,” IEEE Transactions on Circuits and Systems for Video Technology, Vol.31, No.10, pp.3736-3764, Oct. 2021. [https://doi.org/10.1109/TCSVT.2021.3101953]
• R. Yang, M. Xu, Z. Wang, and T. Li, “Multi-frame quality enhancement for compressed video,” Proceedings of the IEEE conference on computer vision and pattern recognition (CVPR), Salt Lake city, USA, pp. 6664-6673, June 2018. [https://doi.org/10.1109/CVPR.2018.00697]
• J. Dai, H. Qi, Y. Xiong, Y. Li, G. Zhang, H. Hu, and Y. Wei, “Deformable convolutional networks,” Proceedings of the IEEE international conference on computer vision (ICCV), Venice, Italy, pp.764-773, Oct. 2017. [https://doi.org/10.1109/ICCV.2017.89]
• J. Deng, L. Wang, S. Pu, and C. Zhuo, “Spatio-temporal deformable convolution for compressed video quality enhancement,” Proceedings of the AAAI conference on artificial intelligence, Vol.34, No.07, pp.10696-10703, April 2020. [https://doi.org/10.1609/aaai.v34i07.6697]
• M. Zhao, Y. Xu, and S. Zhou, “Recursive fusion and deformable spatiotemporal attention for video compression artifact reduction,” Proceedings of the 29th ACM international conference on multimedia, pp.5646-5654, Oct. 2021. [https://doi.org/10.1145/3474085.3475710]
• M. Wang, Y. Liao, W. Chen, L. Lin, and T. Zhao, “STFF: Spatio-Temporal and Frequency Fusion for Video Compression Artifact Removal,” IEEE Transactions on Broadcasting, Vol.71, No.2, pp.542-554, June 2025. [https://doi.org/10.1109/TBC.2025.3550018]