已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
咎穆发布了新的文献求助10
2秒前
严明完成签到,获得积分10
3秒前
严明完成签到,获得积分10
3秒前
Owen应助wolfholo采纳,获得10
5秒前
小蘑菇应助热心的流沙采纳,获得10
5秒前
danxue完成签到,获得积分10
7秒前
wenhao发布了新的文献求助10
8秒前
星流xx完成签到 ,获得积分10
10秒前
我是老大应助Twistti采纳,获得10
11秒前
JamesPei应助科研通管家采纳,获得10
12秒前
无花果应助科研通管家采纳,获得10
12秒前
12秒前
科研通AI2S应助科研通管家采纳,获得10
12秒前
粮仓完成签到,获得积分10
14秒前
liuliu完成签到 ,获得积分10
14秒前
小林同学0219完成签到 ,获得积分10
15秒前
吴嘉俊完成签到 ,获得积分10
15秒前
15秒前
南波万完成签到,获得积分10
15秒前
大街小巷完成签到,获得积分10
16秒前
xiao完成签到 ,获得积分10
17秒前
20秒前
chen完成签到 ,获得积分10
21秒前
snah完成签到 ,获得积分10
21秒前
Twistti完成签到,获得积分10
22秒前
穆振家发布了新的文献求助10
22秒前
24秒前
热心的流沙完成签到,获得积分10
25秒前
义气高丽完成签到 ,获得积分10
26秒前
26秒前
26秒前
27秒前
温婉的惜文完成签到 ,获得积分10
27秒前
月5114完成签到 ,获得积分10
28秒前
29秒前
炸鸡叔完成签到 ,获得积分10
30秒前
sunny完成签到,获得积分10
30秒前
wenqing发布了新的文献求助10
31秒前
mimi完成签到 ,获得积分10
31秒前
sunny发布了新的文献求助10
34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
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 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 3196557
求助须知:如何正确求助?哪些是违规求助? 2845245
关于积分的说明 8053685
捐赠科研通 2509895
什么是DOI,文献DOI怎么找? 1342090
科研通“疑难数据库(出版商)”最低求助积分说明 639304
邀请新用户注册赠送积分活动 608595