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
Guoqiang发布了新的文献求助10
1秒前
Hello应助刚子采纳,获得10
1秒前
2秒前
脑洞疼应助hym111采纳,获得10
2秒前
3秒前
传奇3应助LBB采纳,获得10
3秒前
4秒前
4秒前
7秒前
7秒前
努力的小饭叽完成签到,获得积分10
8秒前
9秒前
tlx发布了新的文献求助10
9秒前
wwwl发布了新的文献求助10
9秒前
科研通AI2S应助Limbay168采纳,获得10
10秒前
受伤的绮烟完成签到,获得积分10
10秒前
科研通AI2S应助奕初阳采纳,获得10
12秒前
geather发布了新的文献求助10
12秒前
13秒前
黄澄发布了新的文献求助10
13秒前
ZXD1989完成签到 ,获得积分10
13秒前
13秒前
zzz完成签到,获得积分10
15秒前
清清完成签到,获得积分10
16秒前
好好好发布了新的文献求助10
18秒前
18秒前
钱来发布了新的文献求助10
18秒前
李多多完成签到,获得积分10
18秒前
lalala应助谦让诗采纳,获得20
18秒前
19秒前
李健应助zzz采纳,获得10
19秒前
wwwl完成签到,获得积分10
19秒前
丞丞汁儿发布了新的文献求助10
20秒前
20秒前
伶俐幻莲发布了新的文献求助10
21秒前
21秒前
22秒前
ding应助MLC采纳,获得10
23秒前
camellia发布了新的文献求助30
25秒前
25秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
India's foreign trade policy and its performance in the world economy 450
Structural Inorganic Chemistry 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3196181
求助须知:如何正确求助?哪些是违规求助? 2845029
关于积分的说明 8052573
捐赠科研通 2509531
什么是DOI,文献DOI怎么找? 1341824
科研通“疑难数据库(出版商)”最低求助积分说明 639282
邀请新用户注册赠送积分活动 608502