AdaInt: 実時間画像強調のための3Dルックアップテーブルの適応間隔学習

3Dルックアップテーブル（3D LUT）は、リアルタイムの画像強化タスクに非常に効率的なツールであり、非線形の3D色変換を離散化された3D格子に疎にサンプリングすることでモデル化します。これまでの研究では、LUTによる柔軟な強化のために画像適応型の出力色値を学習する努力が払われてきましたが、サンプリング戦略の重要性が軽視されていました。それらは最適でない一様なサンプリング点配分を採用しており、LUT変換における一様サンプリング点間の（三角）線形補間が色変換の局所的な非線形性をモデル化できない場合があるため、学習したLUTの表現力が制限されています。この問題に焦点を当て、私たちはAdaInt（Adaptive Intervals Learning：適応的間隔学習）と呼ばれる新しいメカニズムを提案します。これは、3D色空間内で非一様なサンプリング間隔を適応的に学習することにより、より柔軟なサンプリング点配分を実現します。これにより、3D LUTは高次非線形変換が必要な色範囲で密なサンプリングを行い、近似線形変換には疎なサンプリングを行うことで能力を向上させることができます。提案されたAdaIntは、コンパクトかつ効率的なプラグアンドプレイモジュールとして3D LUTベースの方法に実装することができます。AdaIntのエンドツーエンド学習を可能にするために、私たちはAiLUT-Transform（Adaptive Interval LUT Transform：適応的間隔LUT変換）と呼ばれる新しい微分可能な演算子を設計しました。これは入力色を非一様な3D LUT内に位置付けし、サンプリング間隔に対して勾配情報を提供します。実験結果は、AdaIntを使用した手法が2つの公開ベンチマークデータセットにおいて最小限のオーバーヘッド増加で最先端の性能を達成できることを示しています。私たちのソースコードは以下のURLから入手可能です: https://github.com/ImCharlesY/AdaInt.