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
乖乖完成签到,获得积分10
1秒前
CodeCraft应助zyc采纳,获得10
1秒前
taking完成签到,获得积分10
2秒前
2秒前
4秒前
4秒前
5秒前
顺心的舞蹈完成签到,获得积分10
6秒前
没树的叶子完成签到 ,获得积分20
6秒前
万能图书馆应助研友_Zlqx38采纳,获得10
6秒前
kmyang发布了新的文献求助10
7秒前
金闪闪完成签到,获得积分10
8秒前
8秒前
lili发布了新的文献求助30
9秒前
lin050711发布了新的文献求助20
9秒前
Lucas应助wandong采纳,获得10
9秒前
Wells完成签到,获得积分10
10秒前
张磊发布了新的文献求助10
11秒前
华仔应助一二采纳,获得10
13秒前
Storm发布了新的文献求助30
13秒前
可爱的函函应助Parotodus采纳,获得10
13秒前
14秒前
星辰大海应助清洁太阳采纳,获得10
14秒前
Zh完成签到,获得积分20
15秒前
小雨完成签到,获得积分10
16秒前
Fancy完成签到,获得积分10
16秒前
hahaha关注了科研通微信公众号
18秒前
18秒前
情怀应助无一采纳,获得30
19秒前
20秒前
不倦应助lixue1993采纳,获得10
20秒前
尊敬的半梅应助dd采纳,获得10
21秒前
小雨发布了新的文献求助10
21秒前
23秒前
卡皮巴拉完成签到,获得积分20
23秒前
23秒前
24秒前
正直诗柳发布了新的文献求助10
24秒前
十一发布了新的文献求助10
24秒前
所所应助MOF@COF采纳,获得10
25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 3182733
求助须知:如何正确求助?哪些是违规求助? 2832981
关于积分的说明 7991795
捐赠科研通 2495103
什么是DOI,文献DOI怎么找? 1331239
科研通“疑难数据库(出版商)”最低求助积分说明 636256
邀请新用户注册赠送积分活动 603313