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
积极的奇异果完成签到 ,获得积分10
刚刚
2秒前
3秒前
假期完成签到,获得积分10
5秒前
小欧医生完成签到,获得积分10
5秒前
zjiall发布了新的文献求助10
5秒前
8秒前
一条咸鱼发布了新的文献求助10
8秒前
调研昵称发布了新的文献求助10
8秒前
张嘉欣完成签到 ,获得积分10
12秒前
13秒前
星辰大海应助默默尔安采纳,获得10
13秒前
Likx完成签到,获得积分10
13秒前
wangwang2168发布了新的文献求助40
14秒前
一条咸鱼完成签到,获得积分10
17秒前
小胡同学完成签到,获得积分10
19秒前
Monologue完成签到 ,获得积分10
19秒前
华hua完成签到,获得积分10
19秒前
Grin发布了新的文献求助10
21秒前
科研通AI2S应助kkk采纳,获得10
22秒前
科研通AI2S应助klb13采纳,获得10
23秒前
LY发布了新的文献求助10
25秒前
寒冷苗条应助单身的觅儿采纳,获得10
25秒前
科研闲人完成签到,获得积分10
26秒前
孤独的根号4完成签到,获得积分10
26秒前
程宇发布了新的文献求助30
26秒前
小薛爱吃肉完成签到 ,获得积分10
30秒前
bear应助科研通管家采纳,获得10
34秒前
情怀应助科研通管家采纳,获得10
34秒前
英俊的铭应助科研通管家采纳,获得10
34秒前
34秒前
34秒前
星辰大海应助科研通管家采纳,获得20
34秒前
Grin完成签到,获得积分10
36秒前
时间煮雨我煮鱼完成签到,获得积分10
38秒前
39秒前
欢呼的帽子完成签到,获得积分10
41秒前
脑洞疼应助叶叶叶采纳,获得10
46秒前
呱呱完成签到 ,获得积分10
46秒前
杳鸢应助reap采纳,获得20
46秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180839
求助须知:如何正确求助?哪些是违规求助? 2831048
关于积分的说明 7982818
捐赠科研通 2492930
什么是DOI,文献DOI怎么找? 1329932
科研通“疑难数据库(出版商)”最低求助积分说明 635836
版权声明 602954