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
xjcy应助Ding采纳,获得10
刚刚
Orange应助11111采纳,获得10
刚刚
1秒前
卑微老大完成签到,获得积分10
2秒前
hokin33发布了新的文献求助10
2秒前
ttxpx发布了新的文献求助10
2秒前
3秒前
eazin完成签到,获得积分10
4秒前
Stephen123发布了新的文献求助10
4秒前
卑微老大发布了新的文献求助30
5秒前
5秒前
evetang完成签到,获得积分10
6秒前
6秒前
6秒前
十二发布了新的文献求助10
8秒前
清新的烤鸡完成签到,获得积分10
8秒前
9秒前
DSR发布了新的文献求助10
9秒前
MRshenyy发布了新的文献求助10
9秒前
183发布了新的文献求助10
10秒前
10秒前
Frank发布了新的文献求助10
10秒前
所所应助88采纳,获得10
10秒前
李曼娜完成签到,获得积分20
11秒前
Hello应助Stephen123采纳,获得10
12秒前
自觉远山完成签到 ,获得积分10
12秒前
14秒前
雪上一枝蒿完成签到,获得积分10
14秒前
慕青应助something采纳,获得10
14秒前
现代飞鸟发布了新的文献求助10
15秒前
duoyi完成签到,获得积分10
15秒前
汉堡包应助shania采纳,获得10
15秒前
16秒前
MRshenyy完成签到,获得积分10
17秒前
17秒前
17秒前
科研废物发布了新的文献求助10
18秒前
18秒前
19秒前
桐桐应助孔曼卉采纳,获得10
19秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3195418
求助须知:如何正确求助?哪些是违规求助? 2844256
关于积分的说明 8049497
捐赠科研通 2508977
什么是DOI,文献DOI怎么找? 1341260
科研通“疑难数据库(出版商)”最低求助积分说明 639116
邀请新用户注册赠送积分活动 608214