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
刚刚
小兰发布了新的文献求助10
刚刚
1秒前
yaoqi完成签到,获得积分10
1秒前
所所应助半柚采纳,获得10
3秒前
3秒前
4秒前
Ash发布了新的文献求助10
5秒前
刘某人完成签到 ,获得积分10
6秒前
123发布了新的文献求助10
6秒前
tigger发布了新的文献求助10
6秒前
lm发布了新的文献求助10
7秒前
star发布了新的文献求助10
7秒前
欢呼的棉花糖完成签到,获得积分10
8秒前
清爽文博发布了新的文献求助10
8秒前
李健的粉丝团团长应助1111采纳,获得10
10秒前
扒开皮皮发布了新的文献求助10
12秒前
13秒前
李爱国应助斯蒂芬干哈采纳,获得30
13秒前
rakuyo发布了新的文献求助10
14秒前
学术小鱼完成签到 ,获得积分20
14秒前
16秒前
16秒前
ding应助见青山采纳,获得10
16秒前
小兰完成签到,获得积分10
18秒前
顾矜应助lm采纳,获得10
18秒前
璆璆满分发布了新的文献求助10
19秒前
19秒前
贪玩草丛发布了新的文献求助10
20秒前
20秒前
Remi发布了新的文献求助10
20秒前
zhang发布了新的文献求助10
20秒前
21秒前
东方立轩发布了新的文献求助10
21秒前
oceanao完成签到,获得积分0
21秒前
隐形曼青应助zxc采纳,获得10
23秒前
23秒前
24秒前
1111发布了新的文献求助10
25秒前
ai化学发布了新的文献求助10
26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 3182927
求助须知:如何正确求助?哪些是违规求助? 2833134
关于积分的说明 7992653
捐赠科研通 2495258
什么是DOI,文献DOI怎么找? 1331430
科研通“疑难数据库(出版商)”最低求助积分说明 636286
邀请新用户注册赠送积分活动 603355