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
刚刚
小小aa16完成签到,获得积分10
刚刚
1秒前
veraonly完成签到,获得积分10
1秒前
3秒前
SSDlk完成签到,获得积分10
4秒前
XZ发布了新的文献求助10
4秒前
4秒前
大大怪完成签到,获得积分10
5秒前
luckinstar完成签到,获得积分10
5秒前
小杜发布了新的文献求助10
6秒前
6秒前
领导范儿应助Jasen采纳,获得20
6秒前
6秒前
Wency应助LIKUN采纳,获得10
7秒前
乐乐应助猫儿烟烟采纳,获得10
8秒前
8秒前
大个应助sarah采纳,获得10
8秒前
勤奋的大便完成签到 ,获得积分10
8秒前
meethaha完成签到,获得积分10
10秒前
mini关注了科研通微信公众号
10秒前
蒲公英完成签到,获得积分10
10秒前
可爱的函函应助sssss采纳,获得10
11秒前
快乐的秋翠完成签到,获得积分10
11秒前
清萍红檀发布了新的文献求助10
11秒前
Boris完成签到 ,获得积分10
11秒前
CipherSage应助昏睡的鑫磊采纳,获得10
12秒前
yyyyy发布了新的文献求助10
12秒前
14秒前
白vv发布了新的文献求助10
14秒前
姜一完成签到,获得积分10
15秒前
16秒前
YifanWang应助meethaha采纳,获得10
17秒前
17秒前
搜集达人应助舒适的万言采纳,获得10
17秒前
无敌小天天完成签到 ,获得积分10
18秒前
19秒前
21秒前
viyou发布了新的文献求助10
21秒前
21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 3184721
求助须知:如何正确求助?哪些是违规求助? 2835020
关于积分的说明 8002635
捐赠科研通 2497407
什么是DOI,文献DOI怎么找? 1332826
科研通“疑难数据库(出版商)”最低求助积分说明 636696
邀请新用户注册赠送积分活动 604068