CLUT

CLUT : 3Dlut의 압축 표현

학습을 통해 3DLUT를 압축하려는 두 가지 시도 : 저 순위 분해 및 해시. 훨씬 작은 모델로 더 높은 성능! ☺️

CLUT-NET : 가벼운 이미지 향상을위한 3DLUT의 적응 적으로 압축 된 표현 학습

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

약한 상관 관계

배운 매트릭스

학습 기준 3Dluts의 3D 시각화 (왼쪽 : 초기 아이덴티티 매핑. 오른쪽 : 훈련 후)

그리드 점유 시각화

모든 시각화 코드는 Utils/에서 찾을 수 있습니다.

감사의 말

• 이 repo.의 프레임 워크와 Clutnet의 구현은 Zeng et al : Learning Image-Adampive 3D 조회 테이블을 실시간으로 향상시킵니다. TPAMI2020

• 다중 해상 해시 트는 Nvidia tiny-cuda-nn의 빠른 해시 인코딩을 기반으로 구현됩니다.

위의 작업과 모든 공동 작업자와 관심있는 노력에 큰 감사를 표합니다!

우리의 일이 도움이되기를 진심으로 바랍니다! ? ?

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}}