LoR-LUT：通过低秩残差学习紧凑 3D 查找表
计算机视觉与模式识别
2026-02-27 v1
摘要
我们提出 LoR-LUT，这是一种统一的低秩方法，用于紧凑且可解释的 3D 查找表 (LUT) 生成。不同于依赖基座 LUT 融合的常规 3D-LUT 技术（这些基座 LUT 通常是稠密张量），我们的方法通过联合使用残差校正（实际上是低秩张量）和一组基座 LUT 实现了框架的扩展。本文描述的方法由于对图像感知质量的新型用法，主要得益于残差校正技术。同时，我们在保持三线性插值计算复杂度相同的情况下，使用了大幅减少的网络参数、残差校正和 LUT 参数数量。在 MIT-Adobe FiveK 数据集上训练的 LoR-LUT 实验结果再现了专家级的修图特征，具有高感知保真度和亚百万级模型规模。此外，我们引入了一个交互式可视化工具，称为 LoR-LUT Viewer，该工具通过控制不同参数的滑块，将输入图像转换为 LUT 调整后的输出图像。该工具提供了有效提升可解释性和用户对视觉结果信心的方法。总体而言，我们的提出方法为未来基于 LUT 的图像增强和风格迁移提供了一种紧凑、可解释且高效的方向。
引用
@article{arxiv.2602.22607,
title = {LoR-LUT: Learning Compact 3D Lookup Tables via Low-Rank Residuals},
author = {Ziqi Zhao and Abhijit Mishra and Shounak Roychowdhury},
journal= {arXiv preprint arXiv:2602.22607},
year = {2026}
}