Self-Supervised Low-Light Image Enhancement Using Discrepant Untrained Network Priors

颜色恒定性 人工智能 计算机科学 计算机视觉 模式识别(心理学) 先验概率 降噪 人工神经网络 图像(数学) 监督学习 贝叶斯概率
作者
Jinxiu Liang,Yong Xu,Yuhui Quan,Boxin Shi,Hui Gao
出处
期刊:IEEE Transactions on Circuits and Systems for Video Technology [Institute of Electrical and Electronics Engineers]
卷期号:32 (11): 7332-7345 被引量:12
标识
DOI:10.1109/tcsvt.2022.3181781
摘要

This paper proposes a deep learning method for low-light image enhancement, which exploits the generation capability of Neural Networks (NNs) while requiring no training samples except the input image itself. Based on the Retinex decomposition model, the reflectance and illumination of a low-light image are parameterized by two untrained NNs. The ambiguity between the two layers is resolved by the discrepancy between the two NNs in terms of architecture and capacity, while the complex noise with spatially-varying characteristics is handled by an illumination-adaptive self-supervised denoising module. The enhancement is done by jointly optimizing the Retinex decomposition and the illumination adjustment. Extensive experiments show that the proposed method not only outperforms existing non-learning-based and unsupervised-learning-based methods, but also competes favorably with some supervised-learning-based methods in extreme low-light conditions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
明理青丝完成签到 ,获得积分10
2秒前
陈炳蓉完成签到,获得积分10
5秒前
陈皮完成签到 ,获得积分10
8秒前
雪儿完成签到 ,获得积分10
10秒前
123完成签到 ,获得积分10
10秒前
keepory86完成签到,获得积分10
17秒前
大雁完成签到 ,获得积分10
18秒前
Fiona完成签到 ,获得积分10
18秒前
璐璐完成签到 ,获得积分10
19秒前
大舟Austin完成签到 ,获得积分10
24秒前
唯梦完成签到 ,获得积分10
24秒前
26秒前
韭菜发布了新的文献求助10
31秒前
Ruuo616完成签到 ,获得积分10
39秒前
wind完成签到,获得积分10
44秒前
48秒前
隐形白开水完成签到,获得积分10
50秒前
whatever应助科研通管家采纳,获得30
50秒前
LJWU应助科研通管家采纳,获得10
50秒前
whatever应助科研通管家采纳,获得30
50秒前
xx完成签到 ,获得积分10
54秒前
131完成签到,获得积分10
59秒前
XinEr完成签到 ,获得积分10
1分钟前
wendydqw完成签到 ,获得积分10
1分钟前
大头完成签到 ,获得积分10
1分钟前
PG完成签到 ,获得积分0
1分钟前
Akim应助韭菜采纳,获得10
1分钟前
Jessica英语好完成签到 ,获得积分10
1分钟前
c_123完成签到 ,获得积分10
1分钟前
缓慢雅青完成签到 ,获得积分10
1分钟前
贝贝完成签到 ,获得积分10
1分钟前
韭菜完成签到,获得积分20
1分钟前
CCC完成签到 ,获得积分10
1分钟前
小二郎应助高工采纳,获得10
1分钟前
寻道图强应助benben采纳,获得30
1分钟前
Ding完成签到,获得积分10
1分钟前
动听的飞松完成签到 ,获得积分10
1分钟前
1分钟前
高工发布了新的文献求助10
1分钟前
善学以致用应助哈哈采纳,获得10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3190111
求助须知:如何正确求助?哪些是违规求助? 2839411
关于积分的说明 8023560
捐赠科研通 2502244
什么是DOI,文献DOI怎么找? 1336398
科研通“疑难数据库(出版商)”最低求助积分说明 637841
邀请新用户注册赠送积分活动 605974