图像增强领域大突破！以1.66ms的速度处理4K图像，港理工提出图像自适应的3DLUT

paper: https://www4.comp.polyu.edu.hk/~cslzhang/paper/PAMI_LUT.pdf code: https://github.com/HuiZeng/Image-Adaptive-3DLUT（即将开源）

Abstract 最近几年基于学习的方法已成为图像增强(增强图像的色调、对比度等)的主流方案，然而这些图像增强方法或者产生不好的效果或者需要大量的计算量以及内存占用，严重影响了这些方法在高分辨率图像方面的实际应用(比如12M像素)。 该文提出了一种图像自适应的3D查找表(3D LUT)方法用于图像增强，在具有超快速度的同时具有鲁棒的增强效果。3DLUT是传统图像编辑领域常用方案，但这些查找表往往需要人工调节并固化。该文首次提出采用成对/不成对学习的方式从标注数据集中学习3DLUT。更重要的是，所学习到的3DLUT具有图像自适应特性，可以灵活的进行图像增强。所提方法采用端到端的方式同时学习3DLUT以及一个小网络，小网络用于根据输入图像学习查找表的融合权值，将融合后的3DLUT作用于输入图像即可得到期望的输出。所提方法仅仅包含不到600K参数，能够以不超过2ms的速度处理4K分辨率图像(硬件平台：Titan RTX GPU)。在具有超快的推理速度同时，所提方法同样以极大的优势(PSNR，SSIM以及颜色差异度量指标)超越其他图像增强方法。 该文的贡献主要包含以下三点： 首个采用深度学习方法学习3DLUT并用于自动图像增强的方案，更重要的是，所提方法学习到的3DLUT具有图像自适应性，可以更灵活的进行图像增强； 所提方法仅有不超过600K参数量，且能够以不超过2ms的速度处理4K分辨率图像(GPU)； 在两个公开数据集上以极大优势超越其他SOTA图像增强方案。