В работе предложена легковесная нейронная сеть для цветокоррекции изображений, оптимизированная для работы на мобильных устройствах. Основа модели - двухступенчатый генератор на базе модифицированной архитектуры LFIEM, предсказывающий параметры для классических фильтров (баланс белого, контраст, насыщенность и экспозиция). В качестве дискриминатора используется мультимодальная модель CLIP с текстовыми подсказками, что позволяет более точно оценивать качество изображений. Оценка модели на датасетах MIT Adobe FiveK и FilmSet показала качество, сравнимое с тяжеловесными решениями, но с меньшими ресурсными затратами. Мы предложили новый метод оценки качества на непарных данных с использованием моделей VQA без необходимости использования больших размеченных наборов данных.

Назаренко А.А. (науч. рук. Михайлова Е.Г., Самарин А.В.) Легковесная нейронная сеть для цветокоррекции изображений с unpaired режимом обучения // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15220