NILUT：用于图像增强的条件式神经隐式三维查找表
计算机视觉与模式识别
2023-12-27 v3
摘要
三维查找表（3D LUT）是图像增强的关键组件。现代图像信号处理器（ISP）在相机渲染流水线中专门支持这些查找表。相机通常为图像风格提供多种选项，其中每种风格通常通过应用一个独特的人工设计 3D LUT 获得。当前学习和应用 3D LUT 的方法速度显著较快，但内存效率不高，因为需要存储多个 3D LUT。由于这一原因及其他实现限制，它们在移动设备上的使用不太普及。在本工作中，我们提出神经隐式 LUT（NILUT），一种由神经网络参数化的隐式定义的连续 3D 颜色变换。我们表明 NILUT 能够准确模拟真实 3D LUT。此外，NILUT 可扩展为将多种风格整合进单一网络，并具备隐式混合风格的能力。我们的新方法内存高效、可控，并可补充先前的方法，包括学习型 ISP。代码、模型和数据集见：https://github.com/mv-lab/nilut
引用
@article{arxiv.2306.11920,
title = {NILUT: Conditional Neural Implicit 3D Lookup Tables for Image Enhancement},
author = {Marcos V. Conde and Javier Vazquez-Corral and Michael S. Brown and Radu Timofte},
journal= {arXiv preprint arXiv:2306.11920},
year = {2023}
}
备注
AAAI 2024 - The 38th Annual AAAI Conference on Artificial Intelligence