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
Shann发布了新的文献求助10
1秒前
wangafa完成签到,获得积分10
2秒前
个性竺完成签到,获得积分10
4秒前
5秒前
孙某人发布了新的文献求助10
6秒前
aaaaaa完成签到,获得积分10
6秒前
7秒前
8秒前
休思完成签到 ,获得积分10
9秒前
晓恬发布了新的文献求助10
9秒前
10秒前
善良的冷梅完成签到,获得积分10
10秒前
俊逸的问薇完成签到 ,获得积分10
11秒前
陈开心完成签到,获得积分10
12秒前
13秒前
wang5945发布了新的文献求助10
13秒前
HH完成签到,获得积分10
14秒前
Kira完成签到,获得积分20
14秒前
大概豆腐干完成签到,获得积分10
14秒前
liuliu发布了新的文献求助10
15秒前
香蕉觅云应助芋圆采纳,获得10
16秒前
16秒前
17秒前
小虎完成签到,获得积分20
17秒前
Dubdog完成签到,获得积分10
19秒前
云阿柔完成签到,获得积分10
19秒前
mouxq发布了新的文献求助10
21秒前
21秒前
复杂焱完成签到 ,获得积分10
22秒前
23秒前
平常的思远完成签到 ,获得积分10
24秒前
Jasper应助晓恬采纳,获得10
25秒前
王嘎嘎完成签到 ,获得积分10
25秒前
庄文杰发布了新的文献求助10
25秒前
大斌完成签到,获得积分10
26秒前
英姑应助Lan采纳,获得10
26秒前
linhante完成签到 ,获得积分10
26秒前
27秒前
栗子完成签到,获得积分10
27秒前
28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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3187181
求助须知:如何正确求助?哪些是违规求助? 2837129
关于积分的说明 8013380
捐赠科研通 2499709
什么是DOI,文献DOI怎么找? 1334534
科研通“疑难数据库(出版商)”最低求助积分说明 637194
邀请新用户注册赠送积分活动 605127