Oneta：基于特征转换函数的多风格图像增强
计算机视觉与模式识别
2025-07-01 v1
摘要
本工作提出了首个用于多风格图像增强的算法，称为 Oneta。Oneta 使用两个点运算依次执行：采用转换函数(TF)进行强度增强，采用颜色校正矩阵(CCM)进行颜色校正。尽管该两步增强模型简单，却实现了高性能上限。我们还引入特征转换函数(eigenTF)以紧凑表示 TF。Oneta 网络由 Y-Net 和 C-Net 组成，分别用于预测 eigenTF 和 CCM 参数。为支持 K 种风格，Oneta 采用 K 个可学习的 token。在训练期间，每个风格 token 使用来自对应数据集的图像对进行学习。在测试期间，Oneta 选择其中一个 K 个风格 token 对图像进行相应增强。大量实验表明，单个 Oneta 网络可有效完成六项增强任务——面部修饰、图像信号处理、低光图像增强、去雾、水下图像增强和白平衡——跨 30 个数据集。
引用
@article{arxiv.2506.23547,
title = {Oneta: Multi-Style Image Enhancement Using Eigentransformation Functions},
author = {Jiwon Kim and Soohyun Hwang and Dong-O Kim and Changsu Han and Min Kyu Park and Chang-Su Kim},
journal= {arXiv preprint arXiv:2506.23547},
year = {2025}
}