用于 3D 颜色查找表的高效神经网络编码

3D 颜色查找表（LUT）通过将输入 RGB 值映射到特定输出 RGB 值来实现精确的颜色操作。3D LUT 在各种应用中发挥着重要作用，包括视频编辑、相机内处理、摄影滤镜、计算机图形学以及显示器颜色处理。虽然单个 LUT 不会产生很高的内存开销，但软件和设备可能需要存储数十到数百个 LUT，其大小可能超过 100 MB。这项工作旨在开发一种神经网络架构，能够将数百个 LUT 编码为单一紧凑表示。为此，我们提出了一种内存占用小于 0.25 MB 的模型，该模型能够仅以轻微的颜色失真（$\bar{\Delta}E_M$ $\leq$ 2.0）重建 512 个 LUT，覆盖整个色域。我们还表明，我们的网络可以对颜色进行加权，以在自然图像颜色上提供进一步的质量提升（$\bar{\Delta}{E}_M$ $\leq$ 1.0）。最后，我们表明，对网络架构的微小修改即可实现一种双射编码，从而产生可逆的 LUT，允许进行反向颜色处理。我们的代码可在 https://github.com/vahidzee/ennelut 获取。