Oct, 2023

查找表遇见局部拉普拉斯滤波：金字塔重建网络的色调映射

PDF
TL;DR通过整合全局和局部运算符，利用频率信息的特定特征对低频图像进行图像自适应 3D LUT 的调节，同时使用局部 Laplacian 滤波器以自适应方式细化高频分量中的边缘细节，提出一种轻量级网络从注释数据中逐步学习局部 Laplacian 滤波器的参数值映射，从而实现全局色调处理和局部边缘细节保护的综合模型，该方法在两个基准数据集上与最先进的方法相比表现出良好的性能。
tone mapping3d lutlaplacian pyramid decompositionfrequency informationlocal edge detail preservation
发现论文，激发创造
  • 实时高性能照片增强的基于图像自适应的三维查找表学习

    该论文介绍了一种学习图像自适应 3D 查找表以实现快速和强大的照片增强方法，该方法学习多个 3D LUTs 基础，同时使用小型卷积神经网络 (CNN) 以内容相关的方式自适应的融合多个基础 3D LUTs 并处理 4K 的图像仅需不到 2 毫秒。在性能和计算效率方面超越了现有的照片增强方法。

    Sep, 2020

  • 可学习的空间感知三维查找表实时图像增强器

    本文提出了一种基于可学习的空间感知三维查找表（3D LUTs）的实时图像增强器，它充分考虑了全局情况和局部空间信息，通过在端到端的方式中的权重融合学习 3D LUT 并将其用于以有效的方式将源图像转换为目标色调，该模型在公共数据集上主观上和客观上均优于 SOTA 图像增强方法，并且仅使用一个 NVIDIA V100 GPU 即可在 4ms 内处理 4K 分辨率图像。

    Aug, 2021

  • 实时高分辨率逼真图像转换：拉普拉斯金字塔转换网络

    本文提出了一种基于拉普拉斯金字塔分解和重构的高清真实感图像相互转换方法，通过设计适当的低分辨率网络和逐步蒙版策略，可以在保留图像细节的同时，实现高效转换高频细节部分，从而使图像的转换速度和质量均得到显著提高

    May, 2021

  • 生物启发色调映射运算符的感知优化

    本文利用基于神经网络的两阶段高动态范围图像色调映射算法，根据感知优化程度，将 HDR 图像通过对比计算 Laplacian 金字塔损失度来自动生成相应的 LDR 图像堆栈，并融合生成期望的 LDR 图像，最终实现完全自动的色调映射。

    Jun, 2022

  • 快速低光图像增强的查找表全局曲线估计

    提出了一种名为 LUT-GCE 的低光图像增强有效且高效的方法，采用全局曲线估计方法，包括了一种新型的立方曲线公式，全局曲线估计网络（GCENet），查找表方法和直方图平滑度损失。

    Jun, 2023

  • SepLUT：实时图像增强的可分离自适应查找表

    本篇论文提出了一种名为 SepLUT 的新算法用于图像增强，在保证模型表现力的同时提高了算法效率。SepLUT 将一种颜色变换分为独立和相关两个子变换，分别作为 1D 和 3D LUT 的实例，两者之间相互促进，各取所长，通过实验表明该算法比当前最先进的算法表现更优，可在 GPUs 和 CPUs 上实现实时处理。

    Jul, 2022

  • AttentionLut：基于注意力融合的实时图像增强的规范多重路由表

    提出 AttentionLut 框架用于实时图像增强，通过利用注意力机制生成自适应查找表，实验证明该方法在定量和定性上比现有方法有更好的增强性能。

    Jan, 2024

  • 高效影像修复中的查找表优化

    高清屏幕、图像增强、边缘设备、查找表和硬件推理是本研究的主要关键词和研究领域。

    Mar, 2024

  • AdaInt: 用于实时图像增强的学习自适应区间的 3D 查找表

    本文提出了 AdaInt（自适应区间学习）方法，它通过自适应学习非一致采样间隔，使 3D 查找表能够在需要高度非线性转换的颜色范围内进行密集采样，而在近线性转换方面进行稀疏采样。实验结果表明，与传统方法相比，具有 AdaInt 的方法可以在两个公共基准数据集上实现最先进的性能，且需要很小的额外开销。

    Apr, 2022

  • 通过深度显式多项式曲线估计实现高动态范围图像重建

    提出了一种在一个网络中明确估算色调映射函数和其对应的高动态范围（HDR）图像的方法，通过使用多项式描述色调曲线的趋势并利用可学习网络估算多项式系数，实现对真实 HDR 图像的重建；同时构建了一个包含合成和真实图像的新数据集来解决现有数据集中色调映射函数和中低动态范围（LDR）图像之间的对应关系缺乏问题，并在各种色调映射函数下取得了最先进的性能。

    Jul, 2023