基于 Look-Up Table 生成的视频颜色分级

与颜色校正和颜色迁移不同，颜色分级涉及为艺术或叙事目的调整视频颜色，用于建立特定的外观或情绪。然而，由于过程的复杂性以及需要专业编辑技能，视频颜色分级仍主要局限于专业色彩师。在本文中，我们提出一种基于参考的视频颜色分级框架。我们的核心思想是通过扩散模型显式生成一个查找表(LUT)，用于在参考场景和输入视频之间的颜色属性对齐。作为训练目标，我们强制参考场景的高级特征（如外观、情绪和情感）应与输入视频的特征相似。我们的 LUT 方法允许在整个视频帧中实现颜色分级而不损失结构细节，同时实现快速推理。我们进一步构建了一个管道，纳入用户偏好通过文本提示进行低层特征增强，如对比度和亮度等。实验结果，包括大量用户研究，证明了我们方法在视频颜色分级方面的有效性。代码已公开available at https://github.com/seunghyuns98/VideoColorGrading。