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
1秒前
3秒前
4秒前
4秒前
安详的海风完成签到,获得积分10
6秒前
万能图书馆应助zuoyou采纳,获得10
7秒前
织诗成锦完成签到,获得积分10
8秒前
娜娜子欧发布了新的文献求助10
9秒前
小马甲应助bofu采纳,获得10
9秒前
11秒前
13秒前
13秒前
13秒前
薰硝壤应助儒雅曼云采纳,获得10
13秒前
朴实凝阳发布了新的文献求助10
15秒前
机智的紫青完成签到 ,获得积分10
16秒前
彳亍1117应助bofu采纳,获得10
17秒前
zzx发布了新的文献求助10
17秒前
熹阳完成签到,获得积分10
19秒前
落寞乐蓉发布了新的文献求助10
22秒前
不配.应助zzx采纳,获得10
22秒前
封印完成签到,获得积分10
23秒前
周可以完成签到 ,获得积分10
26秒前
所所应助bofu采纳,获得10
27秒前
27秒前
茶多酚完成签到,获得积分10
28秒前
sly发布了新的文献求助10
28秒前
28秒前
高高从筠发布了新的文献求助10
30秒前
aleph完成签到,获得积分10
30秒前
30秒前
魔幻的夏旋完成签到 ,获得积分20
30秒前
花阳完成签到,获得积分10
31秒前
zuoyou发布了新的文献求助10
32秒前
向日葵发布了新的文献求助10
33秒前
烟花应助bofu采纳,获得10
34秒前
小小自由完成签到,获得积分10
34秒前
34秒前
35秒前
冷酷鱼发布了新的文献求助10
35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 3182256
求助须知:如何正确求助?哪些是违规求助? 2832617
关于积分的说明 7990044
捐赠科研通 2494633
什么是DOI,文献DOI怎么找? 1330907
科研通“疑难数据库(出版商)”最低求助积分说明 636179
邀请新用户注册赠送积分活动 603090