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
ding应助时尚的初珍采纳,获得10
1秒前
2秒前
jiangfei完成签到,获得积分10
3秒前
诸葛钢铁侠叫彪子完成签到,获得积分10
3秒前
vvx完成签到,获得积分10
7秒前
科研通AI2S应助vvx采纳,获得10
10秒前
wuzeio发布了新的文献求助10
11秒前
FashionBoy应助1234采纳,获得10
13秒前
杰尼龟006完成签到,获得积分10
14秒前
超帅方盒完成签到,获得积分10
17秒前
18秒前
朱大头完成签到,获得积分10
19秒前
纪问安完成签到,获得积分10
20秒前
21秒前
绿麦盲区完成签到,获得积分10
22秒前
cl驳回了孤檠应助
22秒前
NexusExplorer应助王梓磬采纳,获得10
22秒前
shuaibijiang完成签到,获得积分10
22秒前
LIN完成签到,获得积分20
23秒前
july完成签到 ,获得积分10
25秒前
26秒前
晏清完成签到,获得积分10
26秒前
27秒前
晏清发布了新的文献求助10
31秒前
32秒前
木木木sls完成签到,获得积分10
32秒前
edtaa发布了新的文献求助10
32秒前
害羞龙猫完成签到 ,获得积分10
33秒前
123完成签到,获得积分10
33秒前
nuyoahmay完成签到 ,获得积分10
33秒前
zyj完成签到,获得积分10
34秒前
36秒前
神勇毛衣发布了新的文献求助10
36秒前
随机子应助moonlight采纳,获得10
37秒前
ww完成签到 ,获得积分10
41秒前
cg发布了新的文献求助10
42秒前
42秒前
小辞芙芙发布了新的文献求助30
43秒前
化石吟完成签到,获得积分10
43秒前
46秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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 3187770
求助须知:如何正确求助?哪些是违规求助? 2837531
关于积分的说明 8015469
捐赠科研通 2500157
什么是DOI,文献DOI怎么找? 1334772
科研通“疑难数据库(出版商)”最低求助积分说明 637295
邀请新用户注册赠送积分活动 605251