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
共享精神应助yuaaaann采纳,获得10
刚刚
1秒前
YD发布了新的文献求助10
1秒前
peng完成签到,获得积分20
2秒前
充电宝应助yellow采纳,获得10
3秒前
周宸完成签到,获得积分10
3秒前
感动依霜完成签到 ,获得积分10
3秒前
田様应助sdnihbhew采纳,获得10
3秒前
金刚经应助静香同学采纳,获得10
4秒前
飞翔的小鸟完成签到 ,获得积分10
4秒前
camellia发布了新的文献求助10
5秒前
5秒前
6秒前
111发布了新的文献求助10
7秒前
硕果蕊蕊完成签到,获得积分10
7秒前
畅快的书包完成签到,获得积分10
7秒前
7秒前
Owen应助影子羊采纳,获得10
7秒前
yl完成签到,获得积分10
8秒前
李爱国应助标致的方盒采纳,获得10
8秒前
金刚经应助君子兰采纳,获得10
8秒前
nannan完成签到,获得积分10
8秒前
YD完成签到,获得积分10
8秒前
迅速凡旋完成签到,获得积分10
8秒前
垃圾二硫自组装纳米粒完成签到,获得积分10
9秒前
9秒前
10秒前
11秒前
水晶饺发布了新的文献求助10
11秒前
小马甲应助韩书琴采纳,获得10
11秒前
好困应助小鱼儿采纳,获得10
11秒前
11秒前
斯文败类应助yanwowo采纳,获得10
12秒前
assas完成签到,获得积分10
12秒前
12秒前
Elena发布了新的文献求助10
12秒前
13秒前
酷炫中心完成签到 ,获得积分10
13秒前
13秒前
14秒前
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
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3193422
求助须知:如何正确求助?哪些是违规求助? 2842415
关于积分的说明 8039135
捐赠科研通 2506377
什么是DOI,文献DOI怎么找? 1339098
科研通“疑难数据库(出版商)”最低求助积分说明 638616
邀请新用户注册赠送积分活动 607245