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
蘑菇发布了新的文献求助10
刚刚
CXJ发布了新的文献求助10
刚刚
风趣谷槐完成签到,获得积分10
刚刚
内向瑾瑜发布了新的文献求助10
2秒前
3秒前
yufanhui应助nini采纳,获得10
4秒前
CipherSage应助中午采纳,获得10
8秒前
罗罗关注了科研通微信公众号
11秒前
11秒前
puppy关注了科研通微信公众号
12秒前
成就的夏之完成签到,获得积分10
13秒前
13秒前
茕凡桃七完成签到,获得积分10
14秒前
骆欣怡发布了新的文献求助10
17秒前
yy完成签到 ,获得积分10
18秒前
19秒前
打打应助cannon8采纳,获得10
19秒前
毛豆应助斯文明杰采纳,获得10
19秒前
21秒前
21秒前
劲秉应助lxx采纳,获得10
24秒前
六两芫荽发布了新的文献求助10
24秒前
脑洞疼应助兀那狗子别跑采纳,获得10
24秒前
yan完成签到 ,获得积分10
25秒前
25秒前
慕青应助俭朴千万采纳,获得10
25秒前
臧真发布了新的文献求助30
25秒前
gejing发布了新的文献求助10
26秒前
博宇发布了新的文献求助10
26秒前
27秒前
莎莎士比亚完成签到,获得积分10
27秒前
CipherSage应助可爱的天亦采纳,获得10
28秒前
28秒前
科研通AI2S应助骆欣怡采纳,获得10
30秒前
豆豆发布了新的文献求助10
31秒前
钟叉烧发布了新的文献求助10
31秒前
wy发布了新的文献求助10
32秒前
Ava应助六两芫荽采纳,获得10
33秒前
33秒前
33秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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 3188113
求助须知:如何正确求助?哪些是违规求助? 2837704
关于积分的说明 8016791
捐赠科研通 2500433
什么是DOI,文献DOI怎么找? 1334916
科研通“疑难数据库(出版商)”最低求助积分说明 637346
邀请新用户注册赠送积分活动 605364