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
莫西莫西发布了新的文献求助10
刚刚
1秒前
金金发布了新的文献求助10
1秒前
科研通AI2S应助perfect采纳,获得10
1秒前
不配.应助leo采纳,获得10
2秒前
morena应助asdfqaz采纳,获得20
3秒前
情怀应助小王采纳,获得10
3秒前
3秒前
4秒前
4秒前
5秒前
5秒前
李朝富发布了新的文献求助10
5秒前
睡睡完成签到,获得积分10
5秒前
ccc发布了新的文献求助10
6秒前
NexusExplorer应助阿冰采纳,获得10
7秒前
7秒前
123发布了新的文献求助10
7秒前
9秒前
lucky发布了新的文献求助10
9秒前
9秒前
稻草人完成签到 ,获得积分10
9秒前
852应助斯文傲芙采纳,获得10
9秒前
悦耳的似狮完成签到 ,获得积分10
10秒前
哈哈哈发布了新的文献求助10
11秒前
睡睡发布了新的文献求助10
11秒前
13秒前
飞天乌猪发布了新的文献求助10
14秒前
sdasdd10发布了新的文献求助10
14秒前
ccc完成签到,获得积分10
14秒前
15秒前
16秒前
keyandog完成签到,获得积分10
17秒前
17秒前
JHL完成签到,获得积分10
17秒前
17秒前
tangwenhuan发布了新的文献求助10
18秒前
18秒前
芝麻汤圆完成签到,获得积分10
18秒前
自招发布了新的文献求助10
19秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3199768
求助须知:如何正确求助?哪些是违规求助? 2848897
关于积分的说明 8068542
捐赠科研通 2513243
什么是DOI,文献DOI怎么找? 1346037
科研通“疑难数据库(出版商)”最低求助积分说明 640167
邀请新用户注册赠送积分活动 609877