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
彭于晏应助不可靠月亮采纳,获得10
1秒前
苏卿应助Animagus采纳,获得10
1秒前
斯文败类应助尧九采纳,获得10
1秒前
陈12完成签到,获得积分10
1秒前
忆韵发布了新的文献求助10
1秒前
科研蚂蚁发布了新的文献求助10
1秒前
别再熬夜发布了新的文献求助10
1秒前
Aprial发布了新的文献求助10
2秒前
zrq完成签到,获得积分20
2秒前
花开富贵完成签到,获得积分10
3秒前
3秒前
晓晓完成签到,获得积分20
3秒前
3秒前
在水一方应助bycq采纳,获得10
4秒前
彭于彦祖应助天真的千柔采纳,获得50
4秒前
4秒前
leilei完成签到 ,获得积分10
5秒前
kkkk完成签到,获得积分10
6秒前
6秒前
cy完成签到,获得积分10
6秒前
zrq发布了新的文献求助30
7秒前
dujiajiyi完成签到 ,获得积分10
7秒前
8秒前
晓晓发布了新的文献求助30
9秒前
共享精神应助CY采纳,获得10
9秒前
9秒前
cy关闭了cy文献求助
9秒前
tinatian270发布了新的文献求助10
10秒前
10秒前
九又四分之三完成签到,获得积分10
10秒前
10秒前
hl应助1GE采纳,获得20
11秒前
11111发布了新的文献求助10
11秒前
能干的诗筠完成签到 ,获得积分10
11秒前
FashionBoy应助北风采纳,获得10
13秒前
科研通AI2S应助快乐小肥仔采纳,获得10
13秒前
aniu完成签到,获得积分10
14秒前
Joanna发布了新的文献求助10
15秒前
jmj5t5发布了新的文献求助10
15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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3184282
求助须知:如何正确求助?哪些是违规求助? 2834418
关于积分的说明 7999976
捐赠科研通 2496799
什么是DOI,文献DOI怎么找? 1332512
科研通“疑难数据库(出版商)”最低求助积分说明 636594
邀请新用户注册赠送积分活动 603917