计算机科学>计算机视觉和模式识别
标题: AttentionLut:用于实时图像增强的基于注意力融合的典型多变量LUT
摘要: 最近,许多算法都采用图像自适应查找表(LUT)来实现实时图像增强。 然而,现有方法中的一个流行趋势是使用基本LUT的线性组合来表示图像自适应LUT,这限制了这些方法的泛化能力。 为了解决这一局限性,我们提出了一种新的实时图像增强框架AttentionLut,该框架利用注意机制生成图像自适应LUT。 我们提出的框架由三个轻量级模块组成。 我们首先使用全局图像上下文特征模块来提取图像自适应特征。 随后,注意力融合模块将图像特征与训练过程中获得的先验注意力特征相结合,生成图像自适应的正则多变量张量。 最后,部署了典型的多元重建模块来重建图像自适应残差3DLUT,然后利用该残差3BLUT增强输入图像。 在基准MIT-Adobe FiveK数据集上的实验表明,该方法在定量和定性上均优于现有方法。