DCA-LUT：用于紫色边缘去除的深色6D查找表

紫色边缘是由相轴色差（LCA）在相机镜头中引起的持久性伪影，长期以来严重影响数字成像的清晰度和真实感。传统解决方案依赖于复杂且昂贵的色差消除（APO）镜头硬件和手工提取特征，忽视了数据驱动的方法。为填补这一空白，我们引入DCA-LUT——首个用于紫色边缘去除的深度学习框架。深入问题的物理根源——由于镜头色散导致RGB颜色通道的空间错位，我们提出了新的色觉感知坐标转换（CA-CT）模块，通过学习图像自适应的色彩空间来解耦并隔离紫色边缘到专用维度。这种精准分离使网络能够学习精确的“紫色边缘通道”，从而指导RGB通道的准确恢复。最终的颜色校正通过学习的5D查找表（5D LUT）实现，实现高效且强大的非线性颜色映射。为实现稳健训练和公平评估，我们构建了一个大规模合成紫色边缘数据集（PF-Synth）。在合成和真实数据集上的大量实验表明，我们的方法在紫色边缘去除方面实现了最先进的性能。