CLUT

Kupplung: Komprimierte Darstellung von 3Dlut

Zwei Versuche, 3Dluts durch Lernen zu komprimieren: Zersetzung mit niedriger Rang und Hash. Höhere Leistung mit viel kleineren Modellen! ☺️

Kupplungsnetz: Anpassungsfähig komprimierte Darstellungen von 3Dluts für eine leichte Bildverbesserung

• Fengyi Zhang , Hui Zeng, Tianjun Zhang, Lin Zhang
• ACMMM2022

Schwache Korrelationen

Gelehrte Matrizen

3D -Visualisierung der gelernten Basis 3Dluts (links: Erstes Identitätszuordnen. Rechts: Nach dem Training)

Grid -Belegungsvisualisierung

Alle Visualisierungscodes können in Utils/gefunden werden.

Anerkennung

• Das Framework und die Implementierung von Clutnet dieses Repo. TPAMI2020

• Die Multi-Auflösungs-Hashluts werden basierend auf der schnellen Hash-Codierung von Nvidia Tiny-Cuda-nn implementiert.

Große Wertschätzung für die Bemühungen der oben genannten Arbeit und aller Mitarbeiter und für Ihr Interesse!

Ich hoffe aufrichtig, dass unsere Arbeit hilft! ? ?

Bibtex?

 @inproceedings{clutnet,
author = {Zhang, Fengyi and Zeng, Hui and Zhang, Tianjun and Zhang, Lin},
title = {CLUT-Net: Learning Adaptively Compressed Representations of 3DLUTs for Lightweight Image Enhancement},
year = {2022},
isbn = {9781450392037},
url = {https://doi.org/10.1145/3503161.3547879},
doi = {10.1145/3503161.3547879},
booktitle = {Proceedings of the 30th ACM International Conference on Multimedia},
pages = {6493–6501},
numpages = {9},
}

@INPROCEEDINGS{hashlut,
author={Zhang, Fengyi and Zhang, Lin and Zhang, Tianjun and Wang, Dongqing},
booktitle={2023 IEEE International Conference on Multimedia and Expo (ICME)}, 
title={Adaptively Hashing 3DLUTs for Lightweight Real-time Image Enhancement}, 
year={2023},
volume={},
number={},
pages={2771-2776},
doi={10.1109/ICME55011.2023.00471}}