FastLLVE：基于强度感知查找表的实时低光照视频增强

低光照视频增强（LLVE）近年来受到相当关注。LLVE 的关键需求之一是帧间亮度一致性，这对保持增强视频的时间相干性至关重要。然而，大多数现有基于单图像的方法未能解决该问题，导致闪烁效应，降低增强后的整体质量。此外，为保持帧间一致性而设计的基于 3D 卷积神经网络（CNN）的视频方法计算开销大，难以用于实时应用。为解决这些问题，我们提出名为 FastLLVE 的高效流程，利用查找表（LUT）技术有效保持帧间亮度一致性。具体而言，我们设计可学习的强度感知 LUT（IA-LUT）模块用于自适应增强，解决低光照场景中的低动态范围问题。这使 FastLLVE 能在保持高质量结果的同时执行低延迟、低复杂度的增强操作。在基准数据集上的实验结果表明，我们的方法在图像质量与帧间亮度一致性方面均达到最先进（SOTA）性能。更重要的是，我们的 FastLLVE 能以 $\mathit{50+}$ 帧每秒（FPS）处理 1080p 视频，推理时间比 SOTA 基于 CNN 的方法快 $\mathit{2 \times}$，使其成为实时应用的有前景方案。代码见 https://github.com/Wenhao-Li-777/FastLLVE。