CLUT

CLUT: representación comprimida de 3DLUT

Dos intentos de comprimir 3dluts a través del aprendizaje: descomposición de bajo rango y hash. ¡Más alto rendimiento con modelos mucho más pequeños! ☺️

CLUT-NET: Aprendizaje de representaciones comprimidas adaptativamente de 3DLUTS para mejorar la imagen de peso ligero

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

Correlaciones débiles

Matrices aprendidas

Visualización 3D de la base aprendida 3DLuts (izquierda: mapeo de identidad inicial. Derecha: después del entrenamiento)

Visualización de ocupación de la cuadrícula

Todos los códigos de visualización se pueden encontrar en Utils/.

Expresiones de gratitud

• El marco de este repositorio y la implementación de ClutNet se basan en el excelente trabajo de Zeng et al : Aprender tablas de búsqueda 3D adaptadas a imágenes para una mejora de fotos de alto rendimiento en tiempo real. Tpami2020

• Los hashluts de resolución múltiple se implementan en función de la codificación rápida de hash de Nvidia Tiny-Cuda-NN.

¡Gran aprecio por los esfuerzos del trabajo anterior y todos los colaboradores y por su interés!

¡Espero sinceramente que nuestro trabajo ayude! ? ?

¿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}}