WB LUTs: 用于白平衡查找表的对比学习
计算机视觉与模式识别
2024-04-17 v1
摘要
自动白平衡(AWB)是集成信号处理(ISP)流水线中的第一步之一，旨在校正场景光源引起的色偏。不正确的白平衡(WB)设置或AWB失败会导致渲染的sRGB图像出现不期望的蓝色或红色色调。为了解决这个问题，最近的方法将拍摄后WB校正问题视为图像到图像的翻译任务，并训练深度神经网络以较低分辨率学习必要的颜色调整。这些低分辨率输出经过后处理生成高分辨率WB校正图像，形成了端到端运行时间的瓶颈。在本文中，我们提出了一种基于3D查找表(LUT)的WB校正模型，称为WB LUTs，它可以实时生成高分辨率输出。我们引入了一种对比学习框架，并采用了一种新颖的难样本挖掘策略，将基线3D LUT的WB校正质量提高了25.5%。实验结果表明，所提出的WB LUTs在两个基准数据集上与最先进模型相比具有竞争力，同时速度快300倍，内存使用少12.7倍。我们的模型和代码可在https://github.com/skrmanne/3DLUT_sRGB_WB获取。
引用
@article{arxiv.2404.10133,
title = {WB LUTs: Contrastive Learning for White Balancing Lookup Tables},
author = {Sai Kumar Reddy Manne and Michael Wan},
journal= {arXiv preprint arXiv:2404.10133},
year = {2024}
}