已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
wyy完成签到,获得积分10
2秒前
拾新完成签到,获得积分10
2秒前
2秒前
4秒前
xiaodaiduyan发布了新的文献求助10
4秒前
6秒前
Suchus发布了新的文献求助10
7秒前
Archers完成签到 ,获得积分10
9秒前
11秒前
12秒前
16秒前
Owen应助卿卿采纳,获得10
22秒前
24秒前
自由冰凡完成签到 ,获得积分10
26秒前
Yang发布了新的文献求助10
27秒前
岳小龙完成签到 ,获得积分10
27秒前
梵蒂冈北海诚德完成签到,获得积分20
28秒前
自然的衫完成签到 ,获得积分10
30秒前
30秒前
害羞龙猫完成签到 ,获得积分10
30秒前
peterwei272完成签到 ,获得积分10
32秒前
恬227发布了新的文献求助10
34秒前
庞mou完成签到 ,获得积分10
36秒前
38秒前
吕半鬼完成签到,获得积分0
39秒前
巅峰囚冰发布了新的文献求助10
42秒前
45秒前
46秒前
XZY完成签到 ,获得积分10
48秒前
re发布了新的文献求助10
50秒前
evergarden完成签到 ,获得积分10
50秒前
50秒前
JamesPei应助Yang采纳,获得10
52秒前
56秒前
脑洞疼应助科研通管家采纳,获得10
56秒前
顾矜应助科研通管家采纳,获得10
56秒前
YifanWang应助科研通管家采纳,获得50
56秒前
大个应助科研通管家采纳,获得10
56秒前
Jasper应助科研通管家采纳,获得10
56秒前
56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 3183602
求助须知:如何正确求助?哪些是违规求助? 2833572
关于积分的说明 7995013
捐赠科研通 2495904
什么是DOI,文献DOI怎么找? 1331749
科研通“疑难数据库(出版商)”最低求助积分说明 636409
邀请新用户注册赠送积分活动 603581