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
科目三应助咿咿呀呀采纳,获得10
刚刚
嗒嗒发布了新的文献求助10
刚刚
wjx关闭了wjx文献求助
刚刚
劲秉应助洁净白容采纳,获得10
1秒前
颜玉兰发布了新的文献求助10
1秒前
小肖的KYT完成签到,获得积分10
2秒前
2秒前
David完成签到 ,获得积分10
3秒前
我我我完成签到,获得积分10
3秒前
liangxu0313完成签到,获得积分10
3秒前
cjypdf发布了新的文献求助10
4秒前
等待八宝粥完成签到,获得积分10
4秒前
如意的新梅完成签到,获得积分10
4秒前
AAAstf发布了新的文献求助10
4秒前
个性灵竹发布了新的文献求助10
4秒前
bluesmile完成签到,获得积分10
4秒前
将军发布了新的文献求助10
4秒前
沉静的清涟完成签到,获得积分10
5秒前
5秒前
5秒前
wjx关闭了wjx文献求助
5秒前
6秒前
星黛Lu发布了新的文献求助10
6秒前
QZF完成签到,获得积分20
7秒前
8秒前
优秀的小豆芽完成签到,获得积分10
8秒前
Lucas应助落雁沙采纳,获得10
8秒前
负责的雪卉完成签到,获得积分20
8秒前
小张完成签到 ,获得积分10
9秒前
罗_给daydreamer的求助进行了留言
9秒前
搜集达人应助拼命077采纳,获得10
9秒前
XXXXH完成签到,获得积分10
9秒前
9秒前
10秒前
魏ye发布了新的文献求助10
11秒前
在水一方应助zzy采纳,获得10
11秒前
小林完成签到,获得积分10
11秒前
不安的采白完成签到,获得积分10
12秒前
咿咿呀呀发布了新的文献求助10
12秒前
颜玉兰完成签到,获得积分10
13秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3183955
求助须知:如何正确求助?哪些是违规求助? 2834262
关于积分的说明 7998765
捐赠科研通 2496505
什么是DOI,文献DOI怎么找? 1332293
科研通“疑难数据库(出版商)”最低求助积分说明 636565
邀请新用户注册赠送积分活动 603784