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
JamesPei应助徐矜采纳,获得10
刚刚
CodeCraft应助朴素的不弱采纳,获得10
1秒前
昨夜星辰完成签到,获得积分10
3秒前
高大迎曼关注了科研通微信公众号
3秒前
3秒前
小二郎应助阿九采纳,获得10
4秒前
5秒前
深情安青应助wood采纳,获得10
7秒前
清爽的水蓝完成签到 ,获得积分10
7秒前
斯文败类应助无限芝麻采纳,获得10
8秒前
科研通AI2S应助小姜采纳,获得10
8秒前
充电宝应助MLi采纳,获得10
8秒前
GENTLE发布了新的文献求助10
9秒前
xttjiang应助明钟达采纳,获得10
10秒前
10秒前
10秒前
共享精神应助去海边吗采纳,获得10
10秒前
李爱国应助lalaland采纳,获得10
11秒前
Lancer1034发布了新的文献求助10
11秒前
12秒前
顾矜应助PONY采纳,获得10
13秒前
完美世界应助PONY采纳,获得10
13秒前
传奇3应助PONY采纳,获得10
13秒前
传奇3应助PONY采纳,获得10
13秒前
所所应助PONY采纳,获得10
13秒前
乐乐应助PONY采纳,获得10
13秒前
tinysweet完成签到,获得积分10
13秒前
14秒前
陈哥发布了新的文献求助10
15秒前
小蘑菇应助椿人采纳,获得10
16秒前
16秒前
wojiushizmediao完成签到,获得积分10
16秒前
隐形曼青应助高大迎曼采纳,获得10
17秒前
夏兴龙发布了新的文献求助10
17秒前
18秒前
尊敬曼岚发布了新的文献求助10
18秒前
19秒前
kisslll发布了新的文献求助10
20秒前
林子青完成签到,获得积分10
20秒前
隐形曼青应助suyu采纳,获得10
21秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200187
求助须知:如何正确求助?哪些是违规求助? 2849924
关于积分的说明 8070476
捐赠科研通 2513771
什么是DOI,文献DOI怎么找? 1346598
科研通“疑难数据库(出版商)”最低求助积分说明 640229
邀请新用户注册赠送积分活动 610181