AttentionLut：基于注意力融合的规范多线性查找表用于实时图像增强
计算机视觉与模式识别
2024-01-04 v1
摘要
最近，许多算法采用图像自适应查找表（LUTs）来实现实时图像增强。然而，现有方法的一个普遍趋势是利用基本 LUT 的线性组合来构建图像自适应 LUT，这限制了这些方法的泛化能力。为了解决这一局限性，我们提出了一种名为 AttentionLut 的新框架用于实时图像增强，该框架利用注意力机制生成图像自适应 LUT。我们提出的框架由三个轻量级模块组成。首先，我们采用全局图像上下文特征模块提取图像自适应特征。随后，注意力融合模块将图像特征与训练期间获得的先验注意力特征集成，以生成图像自适应规范多线性张量。最后，部署规范多线性重建模块来重建图像自适应残差 3DLUT，随后用于增强输入图像。在基准 MIT-Adobe FiveK 数据集上的实验表明，所提出的方法在定量和定性方面均实现了优于最先进方法的增强性能。
引用
@article{arxiv.2401.01569,
title = {AttentionLut: Attention Fusion-based Canonical Polyadic LUT for Real-time Image Enhancement},
author = {Kang Fu and Yicong Peng and Zicheng Zhang and Qihang Xu and Xiaohong Liu and Jia Wang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2401.01569},
year = {2024}
}