基于图像自适应的3DLUT：学习以实时高效增强照片的3D查找表

简介：
本研究提出了一种基于图像自适应的3DLUT方法，通过深度学习技术实现对照片进行实时高效的色彩与画质优化。 近年来，基于学习的方法在增强照片的色彩与色调方面变得越来越流行。然而，许多现有的照片增强方法要么不能达到令人满意的效果，要么消耗过多计算资源及内存，在处理高分辨率图像（通常超过12兆像素）时难以实际应用。本段落中，我们提出了一种自适应3D查找表的学习方法来实时实现高性能的照片增强。 使用的数据集规模超过了300G，但在这里仅提供了一个调整为480p的FiveK数据集版本（包括8位sRGB、16位XYZ输入和8位sRGB目标）。此外还提供了10张全分辨率图像用于测试速度。为了获取完整的高分辨率图像资源，请自行从原始的数据集中转换。 经过在480p分辨率下训练的模型可以直接应用到更高分辨率如4K的图片上，不会影响性能表现。这大大加快了训练阶段的速度，并且避免加载占用大量内存的高分辨率图像。