SepLUT：用于实时图像增强的可分离图像自适应查找表

图像自适应查找表（LUT）由于在建模颜色变换方面的高效率，在实时图像增强任务中取得了巨大成功。然而，它们将完整的变换，包括颜色分量独立部分和分量相关部分，以耦合的方式嵌入到单一类型的查找表中，无论是1D还是3D查找表。这种方案因两个因素而引发了提高模型表达能力或效率的两难问题。一方面，1D查找表提供了较高的计算效率，但缺乏关键的颜色分量交互能力；另一方面，3D查找表具有增强的分量相关变换能力，但存在内存占用大、训练难度高和单元利用率低的问题。受传统图像信号处理器中“分而治之”方法的启发，我们提出了SepLUT（可分离的图像自适应查找表）来解决上述限制。具体而言，我们将单个颜色变换分解为一系列分量独立子变换和分量相关子变换，并分别实例化为1D和3D查找表。通过这种方式，两种子变换的能力可以互相促进：3D查找表补充了混合颜色分量的能力，而1D查找表重新分配输入颜色以提高3D查找表的单元利用率，从而使得使用更轻量级的3D查找表成为可能。实验结果表明，所提出的方法在照片修图基准数据集上的性能优于当前最先进的方法，并且能够在GPU和CPU上实现实时处理。