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
琳柠完成签到 ,获得积分10
1秒前
zl完成签到,获得积分10
3秒前
小张完成签到 ,获得积分10
6秒前
su完成签到 ,获得积分10
7秒前
四喜丸子完成签到 ,获得积分10
8秒前
现实的曼安完成签到 ,获得积分10
12秒前
鹰隼游完成签到 ,获得积分10
15秒前
紫罗兰花海完成签到 ,获得积分10
28秒前
蛋妮完成签到 ,获得积分10
29秒前
满意的芸完成签到 ,获得积分10
29秒前
onevip完成签到,获得积分10
31秒前
龙在天涯完成签到,获得积分10
32秒前
波波完成签到 ,获得积分10
42秒前
牛奶面包完成签到 ,获得积分10
44秒前
青桔柠檬完成签到 ,获得积分10
49秒前
奋斗的妙海完成签到 ,获得积分0
49秒前
负责冰海完成签到 ,获得积分10
50秒前
和谐的果汁完成签到 ,获得积分10
53秒前
温暖完成签到 ,获得积分10
55秒前
ZZ完成签到,获得积分10
59秒前
灰鸽舞完成签到 ,获得积分10
1分钟前
段段发布了新的文献求助20
1分钟前
上官若男应助大麦迪采纳,获得10
1分钟前
李y梅子完成签到 ,获得积分10
1分钟前
崩溃完成签到,获得积分10
1分钟前
devilito完成签到,获得积分10
1分钟前
欢呼的茗茗完成签到 ,获得积分10
1分钟前
1分钟前
mengmenglv完成签到 ,获得积分0
1分钟前
大麦迪发布了新的文献求助10
1分钟前
nkpdsy发布了新的文献求助10
1分钟前
105完成签到 ,获得积分10
1分钟前
鳗鱼怀蕊完成签到,获得积分10
1分钟前
1分钟前
大麦迪完成签到,获得积分20
1分钟前
温冰雪应助nkpdsy采纳,获得10
1分钟前
聪明的破茧完成签到,获得积分10
1分钟前
1分钟前
烟花应助科研通管家采纳,获得20
1分钟前
科目三应助科研通管家采纳,获得10
1分钟前
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 3183763
求助须知:如何正确求助?哪些是违规求助? 2833806
关于积分的说明 7995603
捐赠科研通 2496073
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636455
邀请新用户注册赠送积分活动 603625