MEFLUT：用于多曝光图像融合的无监督一维查找表
计算机视觉与模式识别
2023-09-22 v1
摘要
本文提出了一种用于高质量多曝光图像融合（MEF）的新方法。我们表明，一次曝光的融合权重可以被编码为一个一维查找表（LUT），该表以像素强度值作为输入，输出融合权重。我们为每次曝光学习一个一维 LUT，然后来自不同曝光的所有像素均可独立查询该曝光的一维 LUT，以实现高质量且高效的融合。具体而言，为学习这些一维 LUT，我们将帧、通道和空间等多个维度上的注意力机制引入 MEF 任务，从而相较最先进水平（SOTA）带来显著的质量提升。此外，我们收集了一个由 960 个样本组成的新 MEF 数据集，其中 155 个由专业人员手动调优作为评估的基准真值。我们的网络通过该数据集以无监督方式进行训练。我们进行了大量实验以证明所有新提出组件的有效性，结果表明，在 ours 和另一个代表性数据集 SICE 上，我们的方法在定性和定量上均优于 SOTA。此外，我们的 1D LUT 方法在 PC GPU 上处理一张 4K 图像耗时不到 4ms。鉴于其高质量、高效性和鲁棒性，我们的方法已部署到全球多个品牌的数百万台 Android 手机中。代码见：https://github.com/Hedlen/MEFLUT。
引用
@article{arxiv.2309.11847,
title = {MEFLUT: Unsupervised 1D Lookup Tables for Multi-exposure Image Fusion},
author = {Ting Jiang and Chuan Wang and Xinpeng Li and Ru Li and Haoqiang Fan and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2309.11847},
year = {2023}
}