基于可学习空间感知三维查找表的实时图像增强器
计算机视觉与模式识别
2021-08-20 v1 图像与视频处理
摘要
近年来，基于深度学习的图像增强算法在多个公开数据集上取得了最先进（SOTA）性能。然而，现有多数方法在视觉感知或计算效率上难以满足实际需求，尤其对高分辨率图像。本文提出一种基于可学习空间感知三维查找表（3D LUTs）的新型实时图像增强器，其充分兼顾全局场景与局部空间信息。具体而言，我们引入一个轻量双头权重预测器，其输出有二：一为用于图像级场景自适应的 1D 权重向量，另一为用于像素级类别融合的 3D 权重图。我们以端到端方式学习空间感知 3D LUTs 并依上述权重融合，随后用融合后的 LUT 高效地将源图像转换为目标色调。大量结果表明，我们的模型在公开数据集上主客观均优于 SOTA 图像增强方法，且在单块 NVIDIA V100 GPU 上处理 4K 分辨率图像仅需约 4ms。
引用
@article{arxiv.2108.08697,
title = {Real-time Image Enhancer via Learnable Spatial-aware 3D Lookup Tables},
author = {Tao Wang and Yong Li and Jingyang Peng and Yipeng Ma and Xian Wang and Fenglong Song and Youliang Yan},
journal= {arXiv preprint arXiv:2108.08697},
year = {2021}
}
备注
Accepted to ICCV2021