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
清爽的火车完成签到 ,获得积分10
1秒前
狗子爱吃桃桃完成签到 ,获得积分10
2秒前
mzrrong完成签到 ,获得积分10
6秒前
聪慧的小伙完成签到 ,获得积分10
14秒前
净禅完成签到 ,获得积分10
14秒前
墨墨完成签到 ,获得积分10
16秒前
科研通AI2S应助oleskarabach采纳,获得10
21秒前
gypsi完成签到,获得积分0
21秒前
Neon0524完成签到 ,获得积分10
24秒前
congcong完成签到 ,获得积分10
27秒前
燚龘发布了新的文献求助10
33秒前
只喝白开水完成签到 ,获得积分10
36秒前
甜甜圈完成签到 ,获得积分10
38秒前
柳树完成签到,获得积分10
45秒前
碧蓝丹烟完成签到 ,获得积分10
47秒前
完美世界应助科研通管家采纳,获得10
49秒前
暮雪残梅完成签到 ,获得积分10
51秒前
矮小的茹妖完成签到 ,获得积分10
53秒前
upupup111完成签到 ,获得积分10
55秒前
gyx完成签到 ,获得积分10
57秒前
啵叽一口完成签到 ,获得积分10
57秒前
刻苦的新烟完成签到 ,获得积分10
57秒前
虚心的幻梅完成签到 ,获得积分10
1分钟前
小羊完成签到,获得积分10
1分钟前
Chasing完成签到 ,获得积分10
1分钟前
daidai完成签到,获得积分20
1分钟前
研友_ZA2B68完成签到,获得积分10
1分钟前
1分钟前
long0809完成签到,获得积分10
1分钟前
未完成完成签到,获得积分10
1分钟前
观妙散人完成签到,获得积分10
1分钟前
1分钟前
执着夏山完成签到,获得积分10
1分钟前
Poppy199发布了新的文献求助10
1分钟前
pink完成签到 ,获得积分10
1分钟前
lhh发布了新的文献求助10
1分钟前
燚龘完成签到,获得积分10
1分钟前
牙瓜完成签到 ,获得积分10
1分钟前
LiangRen完成签到 ,获得积分10
1分钟前
朴素海亦完成签到 ,获得积分10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192705
求助须知:如何正确求助?哪些是违规求助? 2841742
关于积分的说明 8034584
捐赠科研通 2505438
什么是DOI,文献DOI怎么找? 1338603
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929