
摘要
图像增强旨在通过调整色彩与色调来提升照片的视觉美感,是专业数字摄影中不可或缺的关键技术。近年来,基于深度学习的图像增强算法取得了令人瞩目的性能,受到越来越多的关注。然而,现有方法通常为所有像素构建统一的色彩变换模型,忽略了不同图像内容(如天空、海洋等)之间的像素差异,而这些差异对照片质量具有重要意义,导致增强效果不尽如人意。本文提出一种新型可学习的、上下文感知的四维查找表(4D LUT),通过自适应学习图像上下文信息,实现对图像中不同内容的差异化增强。具体而言,我们首先设计了一个轻量级上下文编码器,用于提取像素级类别信息的上下文图;同时引入参数编码器,生成一组图像自适应的系数。随后,通过这些系数对多个基底4D LUT进行加权融合,生成上下文感知的4D LUT。最终,将源图像与上下文图输入融合后的上下文感知4D LUT,利用四线性插值方法获得增强后的图像。相较于传统3D LUT(即RGB到RGB的映射),广泛应用于相机成像管线或图像处理工具中,本文提出的4D LUT(即RGBC,其中C代表上下文信息,实现RGB+C到RGB的映射)能够在像素级别实现更精细的色彩调控。即使不同内容的像素具有相同的RGB值,该方法也能根据其上下文信息进行差异化处理,从而显著提升增强效果。实验结果表明,所提方法在多个广泛使用的基准测试中均优于现有最先进方法。