Pan-LUT：基于可学习查阅表的高效全色变焦
计算机视觉与模式识别
2025-12-04 v2
摘要
最近，基于深度学习的全色变焦算法在传统方法上取得了显著的进展。然而，这些基于深度学习的方法在推理阶段尤其是在处理大图像时，会产生 substantial 的计算开销。这种过度的计算需求限制了这些方法在现实场景中的适用性，尤其是在缺乏 GPU 和 TPU 等专用计算设备的情况下。为此，本文提出了 Pan-LUT，一种 novel 可学习查阅表 (LUT) 框架，用于全色变焦，在保证性能和计算效率之间取得平衡，适用于大尺寸遙感图像。我们的方法使得能够在 24GB GPU 上处理 15K×15K 的遙感图像。为精细控制光谱转换，我们设计了基于 PAN 的查阅表 (PGLUT) 用于通道级光谱映射。为有效捕获细粒度空间细节，我们引入了空间细节查阅表 (SDLUT)。此外，为适应性地聚合通道信息以生成高分辨率多光谱图像，我们设计了自适应输出查阅表 (AOLUT)。我们的模型参数不足 70 万，仅用一块 RTX 2080 Ti GPU 即可在 1ms 内处理 9K×9K 的图像，显示出显著更快的性能。实验表明，Pan-LUT 以轻量级方式高效处理大规模遙感图像，正在触及实际应用的门槛。此外，我们的模型在真实场景下的全分辨率场景中超越了 SOTA 方法，凸显了其有效性和效率。
引用
@article{arxiv.2503.23793,
title = {Pan-LUT: Efficient Pan-sharpening via Learnable Look-Up Tables},
author = {Zhongnan Cai and Yingying Wang and Hui Zheng and Panwang Pan and ZiXu Lin and Ge Meng and Chenxin Li and Chunming He and Jiaxin Xie and Yunlong Lin and Junbin Lu and Yue Huang and Xinghao Ding},
journal= {arXiv preprint arXiv:2503.23793},
year = {2025}
}