GamutMLP：用于色彩损失恢复的轻量级 MLP
计算机视觉与模式识别
2023-04-25 v1
摘要
相机和图像编辑软件通常在宽色域 ProPhoto 色彩空间中处理图像，其涵盖所有可见色彩的 90%。然而，当图像被编码以进行共享时，这种富含色彩的表达会被变换并裁剪以适配仅代表 30% 可见色彩的小色域标准 RGB (sRGB) 色彩空间。由于裁剪过程，恢复丢失的色彩信息具有挑战性。受用于 2D 图像的神经隐式表示启发，我们提出了一种方法，在色域缩减步骤中优化一个轻量级多层感知机 (MLP) 模型来预测被裁剪的值。GamutMLP 约需 2 秒优化且仅需 23 KB 存储。其小内存占用允许我们的 GamutMLP 模型作为元数据保存在 sRGB 图像中——该模型可在需要时提取以恢复宽色域色彩值。我们展示了我们的方法在色彩恢复上的有效性，并与替代策略进行比较，包括基于预训练 DNN 的色域扩展网络及其他隐式神经表示方法。作为该工作的一部分，我们引入了一个包含 2200 张宽色域/小色域图像的新色彩色域数据集用于训练和测试。我们的代码与数据集可在项目网站找到：https://gamut-mlp.github.io。
引用
@article{arxiv.2304.11743,
title = {GamutMLP: A Lightweight MLP for Color Loss Recovery},
author = {Hoang M. Le and Brian Price and Scott Cohen and Michael S. Brown},
journal= {arXiv preprint arXiv:2304.11743},
year = {2023}
}