Image-Adaptive-3DLUT 项目使用教程

1. 项目目录结构及介绍

Image-Adaptive-3DLUT/
├── demo_images/
├── figures/
├── local_tone_mapping/
├── pretrained_models/
├── trilinear_c/
├── trilinear_cpp/
├── utils/
├── visualization_lut/
├── IdentityLUT33.txt
├── IdentityLUT64.txt
├── LICENSE
├── README.md
├── average_psnr_ssim.m
├── datasets.py
├── demo_eval.py
├── image_adaptive_lut_evaluation.py
├── image_adaptive_lut_train_paired.py
├── image_adaptive_lut_train_unpaired.py
├── models/
├── models_x/
├── requirements.txt
├── ssim.m
└── torchvision_x_functional.py

目录结构介绍

• demo_images/: 存放演示图像的目录。
• figures/: 存放项目相关图表的目录。
• local_tone_mapping/: 存放局部色调映射相关文件的目录。
• pretrained_models/: 存放预训练模型的目录。
• trilinear_c/: 存放三线性插值的C语言实现文件的目录。
• trilinear_cpp/: 存放三线性插值的C++实现文件的目录。
• utils/: 存放工具脚本的目录。
• visualization_lut/: 存放3D LUT可视化相关文件的目录。
• IdentityLUT33.txt: 33维的标识LUT文件。
• IdentityLUT64.txt: 64维的标识LUT文件。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• average_psnr_ssim.m: 计算PSNR和SSIM的MATLAB脚本。
• datasets.py: 数据集处理脚本。
• demo_eval.py: 演示评估脚本。
• image_adaptive_lut_evaluation.py: 图像自适应3D LUT评估脚本。
• image_adaptive_lut_train_paired.py: 成对训练脚本。
• image_adaptive_lut_train_unpaired.py: 非成对训练脚本。
• models/: 存放模型定义文件的目录。
• models_x/: 存放模型定义文件的目录（适用于PyTorch 1.x版本）。
• requirements.txt: 项目依赖文件。
• ssim.m: 计算SSIM的MATLAB脚本。
• torchvision_x_functional.py: 自定义的torchvision功能脚本。

2. 项目的启动文件介绍

demo_eval.py

该脚本用于演示和评估图像自适应3D LUT的效果。它加载预训练模型并对输入图像进行处理，输出增强后的图像。

image_adaptive_lut_evaluation.py

该脚本用于评估训练好的图像自适应3D LUT模型。它加载模型并对测试集中的图像进行处理，计算并输出评估指标（如PSNR、SSIM等）。

image_adaptive_lut_train_paired.py

该脚本用于成对训练图像自适应3D LUT模型。它使用成对的数据集进行训练，生成适用于图像增强的3D LUT模型。

image_adaptive_lut_train_unpaired.py

该脚本用于非成对训练图像自适应3D LUT模型。它使用非成对的数据集进行训练，生成适用于图像增强的3D LUT模型。

3. 项目的配置文件介绍

requirements.txt

该文件列出了项目运行所需的Python依赖包。使用以下命令安装依赖：

pip install -r requirements.txt

LICENSE

该文件包含了项目的许可证信息，项目采用Apache-2.0许可证。

README.md

该文件是项目的介绍和使用说明，包含了项目的背景、使用方法、数据集下载链接等信息。

average_psnr_ssim.m 和 ssim.m

这两个MATLAB脚本用于计算图像的PSNR和SSIM指标，用于评估图像增强效果。