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
尤萨发布了新的文献求助10
刚刚
1秒前
zmk关闭了zmk文献求助
1秒前
七七七完成签到,获得积分10
1秒前
1秒前
hhxnll发布了新的文献求助10
2秒前
wll完成签到,获得积分10
2秒前
mridng发布了新的文献求助10
2秒前
3秒前
Aki_27发布了新的文献求助10
3秒前
Mrmiss666发布了新的文献求助10
3秒前
韦别发布了新的文献求助10
5秒前
阿夸发布了新的文献求助10
5秒前
bkagyin应助LinJunhong采纳,获得10
6秒前
田様应助二月红采纳,获得10
6秒前
西门灵薇完成签到,获得积分10
6秒前
清秀白梦发布了新的文献求助10
7秒前
情怀应助没有答案采纳,获得10
8秒前
miao完成签到,获得积分10
8秒前
8秒前
桑葚完成签到,获得积分10
10秒前
Yoh1220发布了新的文献求助10
10秒前
10秒前
万灵竹发布了新的文献求助10
11秒前
尤萨完成签到,获得积分10
11秒前
朴实芒果完成签到,获得积分10
11秒前
12秒前
12秒前
汉堡包应助呼叫554采纳,获得10
12秒前
13秒前
13秒前
bioglia完成签到,获得积分10
13秒前
14秒前
星辰大海应助文艺的平松采纳,获得10
15秒前
15秒前
genglei完成签到,获得积分10
15秒前
dudu完成签到,获得积分10
15秒前
zmk发布了新的文献求助10
16秒前
16秒前
16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 3195658
求助须知:如何正确求助?哪些是违规求助? 2844522
关于积分的说明 8050318
捐赠科研通 2509151
什么是DOI,文献DOI怎么找? 1341478
科研通“疑难数据库(出版商)”最低求助积分说明 639124
邀请新用户注册赠送积分活动 608333