WB LUTs：对比学习用于白平衡查找表

Apr, 2024

WB LUTs：对比学习用于白平衡查找表

WB LUTs: Contrastive Learning for White Balancing Lookup Tables

Sai Kumar Reddy Manne, Michael Wan

TL;DR本文提出了一种基于 3D 查找表（LUT）的白平衡校正模型 WB LUTs，它能在实时环境中生成高分辨率输出，并引入了对比学习框架和新颖的困难样本挖掘策略，提高了基线 3D LUTs 的白平衡校正质量 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的模型竞争力相当，同时运行速度是 300 倍快，占用的内存是 12.7 倍少。

Abstract

automatic white balancing (AWB), one of the first steps in an integrated signal processing (ISP) pipeline, aims to correct the color cast induced by the scene illuminant. An incorrect white balance (WB) setting or AWB failure can lead to an undesired blue or red tint in the rendered sR

automatic white balancing image-to-image translation deep neural networks 3d lookup table contrastive learning

发现论文，激发创造

高效自动白平衡校正的确定性神经照明映射

本论文提出了一种新颖且高效的自动白平衡（AWB）校正方法，其在当前最先进的方法中实现了至少 35 倍更快的处理速度，并具有相等或更好的性能。该方法通过确定性颜色风格转换的启发，引入了确定性光照颜色映射，并利用可学习的投影矩阵来进行标准光照形式和校正输出。实验证实了该方法的有效性，显示出与现有方法相比的显著性能改进和时间复杂性降低。该方法提供了一种高效的基于深度学习的 AWB 校正解决方案，可用于实时、高品质的数字成像应用。

Aug, 2023

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

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

NILUT: 条件神经隐式 3D 查找表用于图像增强

这项工作提出了一种神经隐式 LUT（NILUT），作为相机渲染管道的一部分，用于快速而低成本地进行多种图片风格的连续 3D 颜色转换，较传统的 3D LUT 方法更具有内存效率。

Jun, 2023

基于 3D-LUT 的 HDR/WCG 显示器逆色调映射中的精度和内容重分配

通过将传统的固定 LUT 与人工智能相结合，引入非均匀打包的解决方案来使得 SDR 素材转换为 HDR/WCG，同时根据偏重范围密度的三个小型 LUT 结果，通过贡献度图进行组合，从而实现更高效的适配性和性能平衡。

Sep, 2023

FastLLVE: 强度感知查找表实时低光视频增强

提出了一种名为 FastLLVE 的高效管道，利用查找表（LUT）技术有效地保持帧间亮度一致性，从而实现低延迟和低复杂度的低光场景视频增强操作。