CLUT

CRUT: сжатое представление 3DLUT

Две попытки сжать 3DLUT через обучение: разложение с низким уровнем ранга и хэш. Более высокая производительность с гораздо меньшими моделями! ☺

CRUT-NET: обучение адаптивно сжатым представлениям 3DLUTS для легкого улучшения изображения

• Фенги Чжан , Хуэй Зенг, Тяньджун Чжан, Лин Чжан
• ACMMM2022

Слабые корреляции

Выучили матрицы

3D визуализация ученых базис 3DLUT (слева: начальное отображение идентификации. Справа: после обучения)

Визуализация занятости сетки

Все коды визуализации можно найти в utils/.

Благодарности

• Эта структура репо. И реализация Clutnet основаны на превосходной работе Zeng et al . Обучающие таблицы трехмерных поисков, адаптирующие изображение для высокопроизводительного улучшения фотографий в режиме реального времени. TPAMI2020

• Хешкулы с несколькими разрешениями реализованы на основе быстрого кодирования хеш-кодирования NVIDIA Tiny-Cuda-NN.

Большая оценка усилий вышеупомянутой работы и всех сотрудников и за ваш интерес!

Искренне надеюсь, что наша работа поможет! ? ?

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}}