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
C2750完成签到,获得积分10
4秒前
mmh完成签到 ,获得积分10
5秒前
晓风拂楠完成签到,获得积分10
11秒前
sobergod完成签到 ,获得积分10
13秒前
nicheng完成签到 ,获得积分0
26秒前
ivy完成签到 ,获得积分10
27秒前
平平平平完成签到 ,获得积分10
46秒前
葶ting完成签到 ,获得积分10
53秒前
djdh完成签到 ,获得积分10
54秒前
zzz2193发布了新的文献求助10
55秒前
和平使命应助科研通管家采纳,获得20
58秒前
小小王完成签到 ,获得积分10
1分钟前
爱吃香菜的小池完成签到,获得积分10
1分钟前
赧赧完成签到 ,获得积分10
1分钟前
hakuna_matata完成签到 ,获得积分10
1分钟前
Luke Gee完成签到 ,获得积分10
1分钟前
Hkane发布了新的文献求助20
1分钟前
1分钟前
emxzemxz完成签到 ,获得积分10
1分钟前
跳跃太清完成签到 ,获得积分10
1分钟前
优雅的沛春完成签到 ,获得积分10
1分钟前
shju完成签到 ,获得积分10
1分钟前
电子屎壳郎完成签到,获得积分10
2分钟前
忧伤的绍辉完成签到 ,获得积分10
2分钟前
Vegeta完成签到 ,获得积分10
2分钟前
你博哥完成签到 ,获得积分10
2分钟前
怡然白竹完成签到 ,获得积分10
2分钟前
gmc完成签到 ,获得积分10
2分钟前
小叙完成签到 ,获得积分10
2分钟前
minuxSCI完成签到,获得积分10
2分钟前
qiuqiu完成签到 ,获得积分10
2分钟前
wuhao完成签到 ,获得积分10
2分钟前
Akim应助科研通管家采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
Singularity应助科研通管家采纳,获得10
2分钟前
无花果应助科研通管家采纳,获得10
2分钟前
熙梓日记应助科研通管家采纳,获得10
2分钟前
Damon完成签到 ,获得积分10
3分钟前
zzz2193发布了新的文献求助10
3分钟前
lixinyue完成签到 ,获得积分10
3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 3190097
求助须知:如何正确求助?哪些是违规求助? 2839408
关于积分的说明 8023505
捐赠科研通 2502226
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 637836
邀请新用户注册赠送积分活动 605974