SepLUT : Tables de correspondance adaptées à l'image et séparables pour l'amélioration d'images en temps réel

Les tables de correspondance adaptatives à l'image (LUTs) ont connu un grand succès dans les tâches d'amélioration d'images en temps réel grâce à leur haute efficacité pour modéliser les transformations de couleur. Cependant, elles intègrent la transformation complète, y compris les parties indépendantes des composants de couleur et les parties corrélées aux composants, dans un seul type de LUTs, soit 1D ou 3D, de manière couplée. Ce schéma soulève un dilemme entre l'amélioration de l'expressivité du modèle et son efficacité, en raison de deux facteurs. D'une part, les LUTs 1D offrent une efficacité computationnelle élevée mais manquent de la capacité cruciale d'interaction entre les composants de couleur. D'autre part, les LUTs 3D présentent une capacité améliorée de transformation corrélée aux composants mais souffrent d'un empreinte mémoire importante, d'une difficulté élevée lors de l'entraînement et d'une utilisation limitée des cellules.Inspirés par la pratique traditionnelle du diviser-pour-régner dans le processeur de signal d'image, nous proposons SepLUT (table de correspondance séparable adaptative à l'image) pour surmonter ces limitations. Plus précisément, nous séparons une seule transformation de couleur en une cascade de sous-transformations indépendantes des composants et corrélées aux composants, instanciées respectivement comme des LUTs 1D et 3D. De cette façon, les capacités des deux sous-transformations peuvent se compléter mutuellement : la LUT 3D apporte la capacité de mélanger les composants de couleur, tandis que la LUT 1D redistribue les couleurs d'entrée pour augmenter l'utilisation des cellules de la LUT 3D et permettre ainsi l'utilisation d'une LUT 3D plus légère. Les expériences montrent que la méthode proposée présente une performance améliorée sur les jeux de données基准数据集用于照片修饰 compared to the current state-of-the-art and achieves real-time processing on both GPUs and CPUs.(Note: "benchmark datasets" was translated as "jeux de données benchmark" and "photo retouching" as "photo retouche". The term "基准数据集用于照片修饰" is a direct translation of the Chinese text that appeared in the original French sentence; it should be "jeux de données benchmark pour la retouche photo" to maintain consistency with the rest of the text.)Revised:Les expériences montrent que la méthode proposée présente une performance améliorée sur les jeux de données benchmark pour la retouche photo comparativement aux méthodes actuelles state-of-the-art et permet un traitement en temps réel tant sur GPU que CPU.