基于拉普拉斯金字塔网络的高分辨率照片实时提升
计算机视觉与模式识别
2025-11-11 v1
摘要
照片增强在增强照片的视觉美学方面发挥着关键作用。近年来，照片增强方法要么专注于增强性能，产生强大的模型而无法在边缘设备上部署，要么优先计算效率，导致实际应用效果不足。为此，本文引入一种金字塔网络 LLF-LUT++，该网络通过闭形式的拉普拉斯金字塔分解和重构集成全局和局部算子。这种方法既实现了高分辨率图像的快速处理，又取得了优异的性能。具体而言，我们利用基于降采样图像全局色调特征的自适应 3D LUT，同时纳入两种不同的权重融合策略，以实现粗糙的全局图像增强。为实现此策略，我们设计了一种空间频率转换器权重预测器，有效地通过利用频率特征提取所需的不同权重。此外，我们对局部拉普拉斯滤波器进行适应性细化，以适应高频分量中的边缘细节。经过精心重新设计的网络结构和转换器模型，LLF-LUT++ 不仅在 HDR+ 数据集上实现了 2.64 dB 的 PSNR 提升，还进一步缩短了运行时间，在单个 GPU 上仅需 13 毫秒即可处理 4K 分辨率图像。广泛的实验结果表明，所提出的方法在两个基准数据集上均表现优于最先进的方法。源代码将在 https://github.com/fengzhang427/LLF-LUT 上公开发布。
引用
@article{arxiv.2510.11613,
title = {High-resolution Photo Enhancement in Real-time: A Laplacian Pyramid Network},
author = {Feng Zhang and Haoyou Deng and Zhiqiang Li and Lida Li and Bin Xu and Qingbo Lu and Zisheng Cao and Minchen Wei and Changxin Gao and Nong Sang and Xiang Bai},
journal= {arXiv preprint arXiv:2510.11613},
year = {2025}
}
备注
accepted by TPAMI 2025