CAST-LUT：基于色相抖光查找表的Tokenizer引导方法
计算机视觉与模式识别
2026-01-12 v2
摘要
紫色晕涩是一种常见于高光区域的漫射色差瑕疵，严重影响图像的色调过渡和颜色。现有传统方法基于手工特征，缺乏灵活性且完全依赖固定先验；同时，缺乏配对训练数据的稀缺性严重阻碍了深度学习方法。为此，我们提出一种基于解耦HSV查找表(LUT)的新型网络。该方法旨在通过独立调整色相(H)、饱和度(S)和值(V)三个分量来简化颜色校正，从而解决传统方法中固有的颜色耦合问题。我们的模型采用两阶段体系结构：第一阶段，色度感知谱分词器(CAST)将输入图像从RGB空间转换为HSV空间，并独立地将色度(H)和值(V)通道编码为描述紫色晕涩状态的语义token集合；第二阶段，HSV-LUT模块将这些token作为输入，动态生成针对三个通道H、S、V的独立校正曲线(1D-LUT)。为有效训练和验证我们的模型，我们构建了第一个包含多样场景的大规模紫色晕涩数据集。我们还提出了专为该任务设计的新型指标和损失函数。广泛的实验表明，我们的模型不仅在视觉效果上显著优于现有方法，还在所有定量指标上实现了最先进的性能。
引用
@article{arxiv.2511.06764,
title = {CAST-LUT: Tokenizer-Guided HSV Look-Up Tables for Purple Flare Removal},
author = {Pu Wang and Shuning Sun and Jialang Lu and Chen Wu and Zhihua Zhang and Youshan Zhang and Chenggang Shan and Dianjie Lu and Guijuan Zhang and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2511.06764},
year = {2026}
}