حققت جداول البحث المتكيفة مع الصورة (LUTs) نجاحًا كبيرًا في مهام تحسين الصور في الوقت الحقيقي بفضل كفاءتها العالية في نمذجة تحويلات الألوان. ومع ذلك، فإنها تدمج التحويل الكامل، بما في ذلك الجزء المستقل عن مكونات اللون والجزء المرتبط بالمكونات، في نوع واحد فقط من جداول البحث، إما ذاتية البعد الواحد (1D) أو ثلاثية الأبعاد (3D)، بطريقة مرتبطة. يثير هذا النهج مأزقًا بين تحسين قدرة النموذج على التعبير أو الكفاءة بسبب عاملين. من ناحية، توفر جداول البحث ذاتية البعد الواحد (1D) كفاءة حسابية عالية ولكنها تفتقر إلى القدرة الحرجة على تفاعل مكونات اللون. ومن ناحية أخرى، تقدم جداول البحث ثلاثية الأبعاد (3D) قدرة متقدمة على تحويل المكونات المرتبطة ولكنها تعاني من بصمة ذاكرة ثقيلة وصعوبة التدريب العالية واستخدام خلايا محدود.مستوحاة من الممارسة التقليدية للتقسيم والغلبة في معالج الإشارة الصورية، نقدم SepLUT (جدول البحث القابل للتفكيك والتكيف مع الصورة) لحل هذه القيود. بشكل خاص، نفصل تحويل اللون الواحد إلى سلسلة من التحويلات الفرعية المستقلة عن المكونات والمرتبطة بالمكونات، والتي يتم تنفيذها كجداول بحث ذاتية البعد الواحد (1D) وثلاثية الأبعاد (3D)، على التوالي. بهذه الطريقة، يمكن أن تسهل قدرات التحويلين الفرعيين بعضهما البعض، حيث يكمل جدول البحث الثلاثي الأبعاد (3D) القدرة على الخلط بين مكونات اللون، بينما يقوم جدول البحث ذو البعد الواحد (1D) بإعادة توزيع الألوان الدخيلة لزيادة استخدام الخلايا في جدول البحث الثلاثي الأبعاد (3D)، مما يتيح استخدام جدول بحث ثلاثي أبعاد أكثر خفة. أظهرت التجارب أن الطريقة المقترحة تقدم أداءً محسنًا على مجموعات بيانات مقاييس تعديل الصور الفوتوغرافية مقارنة بأحدث ما هو موجود حالياً وتحقق معالجة في الوقت الحقيقي على كل من المعالجين الرسوميين (GPUs) ومعالجي الوحدات المركزية (CPUs).