第一类是编码环路中的块级视觉增强。由于每个块中DCT系数的独立量化基于块的DCT通常会产生视觉上令人讨厌的阻塞、振铃和模糊压缩伪影特别是在低比特率下。解块滤波器和样本自适应偏移滤波器SAO被提出来选择性地平滑块边界处的不连续性这些滤波器已在HEVC被采用。为了进一步减少阻塞伪影在VVC的解块滤波器之后采用了改进的空域维纳滤波器ALF和跨分量ALF10。这些方案将块边界处的不连续性视为伪影并进行选择

该段落讨论了两类视频编码中的视觉增强方法。第一类是编码环路中的块级视觉增强，包括解块滤波器、样本自适应偏移滤波器、改进的空域维纳滤波器和跨分量ALF等方法。这些方法主要通过PSNR来衡量视觉质量，但计算复杂度较高。第二类是编码循环之外的帧级视觉增强，包括双流多路径递归残差网络、质量增强CNN和感知滤波器等方法。这些方法采用深度学习技术学习先验来增强视觉质量，但仍需要更一致的视觉质量度量或感知模型来形成感知损失和学习时间特征。未来的研究方向包括使用无参考质量度量和降低计算复杂度。其中，基于深度学习的方法是学习先验的更有效解决方案。文中引用了多篇研究文章来支持这些方法的应用和效果，如赵等人提出的图像去块算法和张等人提出的残差公路卷积神经网络。