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
小仙女完成签到 ,获得积分10
2秒前
甜蜜水蜜桃完成签到 ,获得积分10
3秒前
小奕完成签到,获得积分10
3秒前
Haonan完成签到,获得积分10
3秒前
yaa完成签到 ,获得积分10
4秒前
小灰灰完成签到 ,获得积分10
6秒前
1234lyk完成签到,获得积分10
6秒前
树袋熊完成签到,获得积分10
10秒前
射天狼完成签到,获得积分10
12秒前
PDIF-CN2完成签到,获得积分10
12秒前
星辰大海应助lilian采纳,获得10
13秒前
激情的含巧完成签到,获得积分10
17秒前
小悦悦完成签到 ,获得积分10
18秒前
Din完成签到 ,获得积分10
18秒前
研友_8Y26PL完成签到 ,获得积分10
19秒前
润清完成签到,获得积分10
24秒前
lan橙完成签到,获得积分10
27秒前
提莫silence完成签到 ,获得积分10
27秒前
hml123完成签到,获得积分10
28秒前
MIST完成签到,获得积分10
29秒前
菠萝蜜完成签到,获得积分10
29秒前
冲冲冲完成签到,获得积分10
30秒前
kmyang发布了新的文献求助10
31秒前
lilian完成签到,获得积分10
31秒前
喜羊羊和村长做朋友完成签到,获得积分10
33秒前
王妍完成签到 ,获得积分10
36秒前
沉默的书本完成签到,获得积分10
36秒前
37秒前
Cynthia完成签到 ,获得积分10
38秒前
leclerc完成签到,获得积分10
39秒前
蓝橙完成签到,获得积分10
40秒前
Roy完成签到,获得积分10
40秒前
Aliya完成签到 ,获得积分10
41秒前
Tin完成签到,获得积分10
42秒前
我是谁完成签到,获得积分10
44秒前
道交法完成签到,获得积分10
45秒前
胆XIAOXING完成签到 ,获得积分10
45秒前
今天很美味完成签到 ,获得积分10
47秒前
ghmghm9910完成签到 ,获得积分10
48秒前
jzs完成签到 ,获得积分10
48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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833826
关于积分的说明 7995716
捐赠科研通 2496089
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 636458
邀请新用户注册赠送积分活动 603625