CLUT

CLUT: Representasi 3DLUT terkompresi

Dua upaya untuk mengompres 3Dluts melalui pembelajaran: dekomposisi dan hash peringkat rendah. Kinerja yang lebih tinggi dengan model yang jauh lebih kecil! ☺️

CLUT-NET: Belajar representasi 3DLUTS terkompresi secara adaptif untuk peningkatan gambar ringan

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

Korelasi yang lemah

Matriks yang dipelajari

Visualisasi 3D dari dasar yang dipelajari 3dluts (kiri: pemetaan identitas awal. Kanan: Setelah pelatihan)

Visualisasi hunian kisi

Semua kode visualisasi dapat ditemukan di utils/.

Ucapan Terima Kasih

• Kerangka kerja repo ini dan implementasi Clutnet dibangun di atas karya yang sangat baik dari Zeng et al : Belajar tabel pencarian 3D adaptif gambar-adaptif untuk peningkatan foto berkinerja tinggi secara real-time. TPAMI2020

• Hashlut multi-resolusi diimplementasikan berdasarkan pengkodean hash cepat dari nvidia Tiny-Cuda-NN.

Penghargaan besar atas upaya pekerjaan di atas dan semua kolaborator dan untuk minat Anda!

Dengan tulus berharap pekerjaan kami membantu! ? ?

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}}