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
开放幻丝完成签到 ,获得积分10
1秒前
qiuxue发布了新的文献求助10
1秒前
Amber发布了新的文献求助10
2秒前
张章发布了新的文献求助10
3秒前
1111发布了新的文献求助10
4秒前
sdnihbhew发布了新的文献求助10
5秒前
加贝发布了新的文献求助10
5秒前
6秒前
星辰大海应助yolandayw采纳,获得20
7秒前
美好乐松应助Amber采纳,获得10
8秒前
10秒前
自由发布了新的文献求助10
12秒前
13秒前
李健的小迷弟应助加贝采纳,获得10
14秒前
秋秋的秋完成签到,获得积分10
15秒前
彭于晏应助风中画板采纳,获得10
16秒前
18秒前
枫桥夜泊完成签到,获得积分10
19秒前
舒服的雯发布了新的文献求助10
19秒前
隐形曼青应助Micale采纳,获得10
19秒前
Holdon完成签到,获得积分10
20秒前
Lucas应助不许内耗采纳,获得10
21秒前
Akim应助秋秋的秋采纳,获得10
21秒前
凌忆文完成签到 ,获得积分0
21秒前
sjx1116完成签到 ,获得积分10
21秒前
21秒前
张章完成签到,获得积分10
22秒前
23秒前
23秒前
zzzzoa发布了新的文献求助10
23秒前
24秒前
bkagyin应助zouzou采纳,获得10
24秒前
完美世界应助yudabaoer采纳,获得10
25秒前
星辰大海应助科研通管家采纳,获得10
25秒前
25秒前
NexusExplorer应助科研通管家采纳,获得10
25秒前
毛豆爸爸应助科研通管家采纳,获得10
25秒前
ding应助科研通管家采纳,获得10
25秒前
美好乐松应助科研通管家采纳,获得10
26秒前
JamesPei应助科研通管家采纳,获得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 3183169
求助须知:如何正确求助?哪些是违规求助? 2833346
关于积分的说明 7993499
捐赠科研通 2495493
什么是DOI,文献DOI怎么找? 1331524
科研通“疑难数据库(出版商)”最低求助积分说明 636332
邀请新用户注册赠送积分活动 603490