CLUT

Clut: représentation comprimée de 3dlut

Deux tentatives de compression des 3dluts via l'apprentissage: décomposition de faible rang et hachage. Performances plus élevées avec des modèles beaucoup plus petits! ☺️

Clut-Net: Apprentissage des représentations compressées adaptatives de 3dluts pour l'amélioration de l'image légère

• Fengyi Zhang , Hui Zeng, Tianjun Zhang, Lin Zhang
• Acmmm2022

Corrélations faibles

Matrices apprises

Visualisation 3D de la base apprise 3dluts (à gauche: cartographie initiale de l'identité. Droite: Après la formation)

Visualisation de l'occupation de la grille

Tous les codes de visualisation ont pu être trouvés dans les utils /.

Remerciements

• Le cadre de ce repo et la mise en œuvre de ClutNet sont construits sur l'excellent travail de Zeng et al : Apprentissage des tables de recherche 3D adaptatives d'image pour une amélioration de la photo haute performance en temps réel. TPAMI2020

• Les hashluts multi-résolution sont implémentés sur la base du codage de hachage rapide de Nvidia Tiny-Cuda-NN.

Grande appréciation pour les efforts du travail ci-dessus et de tous les collaborateurs et de votre intérêt!

J'espère sincèrement que notre travail aide! ? ?

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}}