AdaInt：用于实时图像增强中三维查找表的自适应区间学习

三维查找表（3D LUT）是一种用于实时图像增强任务的高效工具，它通过将非线性三维颜色变换稀疏采样为离散的三维网格来进行建模。先前的工作致力于学习图像自适应的 LUT 输出颜色值以实现灵活增强，却忽视了采样策略的重要性。它们采用了次优的均匀采样点分配，限制了所学 LUT 的表达能力，因为 LUT 变换中均匀采样点之间的（三）线性插值可能无法建模颜色变换的局部非线性。针对此问题，我们提出 AdaInt（自适应区间学习），一种通过自适应学习三维颜色空间中的非均匀采样区间来实现更灵活采样点分配的新机制。如此，三维 LUT 可通过在需要高度非线性变换的颜色范围进行密集采样、对近线性变换进行稀疏采样来提升其能力。所提出的 AdaInt 可作为基于三维 LUT 方法的紧凑高效即插即用模块实现。为实现 AdaInt 的端到端学习，我们设计了一种称为 AiLUT-Transform（自适应区间 LUT 变换）的新型可微算子，用于在非均匀三维 LUT 中定位输入颜色并为采样区间提供梯度。实验表明，配备 AdaInt 的方法在两个公开基准数据集上以可忽略的开销增加取得了最先进的性能。我们的源代码发布于 https://github.com/ImCharlesY/AdaInt。