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
孙成成完成签到 ,获得积分10
刚刚
1秒前
上官若男应助绿光之城采纳,获得10
1秒前
yyds发布了新的文献求助10
1秒前
所所应助初心采纳,获得10
1秒前
想发sci完成签到,获得积分10
1秒前
ziyue应助faye采纳,获得10
1秒前
尊敬又晴完成签到,获得积分20
1秒前
共享精神应助IBMffff采纳,获得30
1秒前
华仔应助清风呀采纳,获得10
2秒前
zyy发布了新的文献求助30
2秒前
开心的谷兰完成签到,获得积分10
2秒前
荔枝多酚完成签到,获得积分10
2秒前
刻苦毛衣发布了新的文献求助10
2秒前
3秒前
科研通AI2S应助视野胤采纳,获得10
4秒前
天上的云在飘完成签到 ,获得积分10
4秒前
4秒前
聪慧海蓝完成签到 ,获得积分10
6秒前
stt发布了新的文献求助20
6秒前
xikawu完成签到,获得积分10
6秒前
流浪发布了新的文献求助10
7秒前
星辰大海应助yyds采纳,获得10
7秒前
DARKNESS完成签到,获得积分10
7秒前
今后应助科研通管家采纳,获得10
7秒前
1+1应助科研通管家采纳,获得10
7秒前
7秒前
在望应助科研通管家采纳,获得10
7秒前
慕青应助科研通管家采纳,获得10
7秒前
初心完成签到,获得积分10
8秒前
小蘑菇应助科研通管家采纳,获得10
8秒前
酷波er应助科研通管家采纳,获得10
8秒前
Jasper应助科研通管家采纳,获得10
8秒前
SciGPT应助科研通管家采纳,获得10
8秒前
所所应助科研通管家采纳,获得10
8秒前
不配.应助科研通管家采纳,获得20
8秒前
丘比特应助科研通管家采纳,获得20
8秒前
Lucas应助科研通管家采纳,获得10
8秒前
8秒前
8秒前
高分求助中
Write Like a Chemist: A Guide and Resource (第二版) 600
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 3201273
求助须知:如何正确求助?哪些是违规求助? 2850854
关于积分的说明 8074942
捐赠科研通 2514733
什么是DOI,文献DOI怎么找? 1347411
科研通“疑难数据库(出版商)”最低求助积分说明 640427
邀请新用户注册赠送积分活动 610621