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
科研通AI2S应助朴素千亦采纳,获得10
刚刚
科研通AI2S应助欣慰的绮露采纳,获得10
1秒前
xiaowu发布了新的文献求助10
1秒前
二槑发布了新的文献求助10
1秒前
2秒前
科研通AI2S应助可以的采纳,获得10
2秒前
3秒前
传统的安青完成签到 ,获得积分10
5秒前
5秒前
lvsehx发布了新的文献求助10
5秒前
LOVEMEVOL发布了新的文献求助10
6秒前
H喜欢老霉完成签到 ,获得积分20
7秒前
随机子应助直率的睫毛膏采纳,获得10
7秒前
魏白晴完成签到,获得积分10
7秒前
8秒前
8秒前
绒绒发布了新的文献求助10
8秒前
司南应助星星采纳,获得30
8秒前
8秒前
zero完成签到,获得积分20
8秒前
斯文败类应助席玲采纳,获得10
8秒前
止心所至完成签到 ,获得积分10
9秒前
9秒前
NYM完成签到 ,获得积分10
9秒前
娇娇完成签到,获得积分10
11秒前
C2发布了新的文献求助10
11秒前
丁元英完成签到,获得积分10
11秒前
15256397832关注了科研通微信公众号
12秒前
JamesPei应助布谷采纳,获得10
12秒前
12秒前
13秒前
XY发布了新的文献求助30
13秒前
大袁完成签到,获得积分10
13秒前
小戴发布了新的文献求助10
13秒前
今后应助跳跃的聪展采纳,获得10
14秒前
熙梓日记发布了新的文献求助10
15秒前
guyanlong完成签到,获得积分10
15秒前
15秒前
飞鸿踏雪发布了新的文献求助10
16秒前
16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 3182487
求助须知:如何正确求助?哪些是违规求助? 2832839
关于积分的说明 7990824
捐赠科研通 2494830
什么是DOI,文献DOI怎么找? 1331053
科研通“疑难数据库(出版商)”最低求助积分说明 636228
邀请新用户注册赠送积分活动 603191