清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
阿钉完成签到 ,获得积分10
2秒前
诺亚方舟哇哈哈完成签到 ,获得积分0
5秒前
5秒前
加贝发布了新的文献求助10
10秒前
勤奋凡之完成签到 ,获得积分10
13秒前
大模型应助加贝采纳,获得10
31秒前
肖果完成签到 ,获得积分10
38秒前
GG完成签到 ,获得积分10
56秒前
LJ_2完成签到 ,获得积分10
1分钟前
2分钟前
2分钟前
加贝发布了新的文献求助10
2分钟前
jdz发布了新的文献求助10
2分钟前
cadcae完成签到,获得积分10
2分钟前
Liberal-5完成签到 ,获得积分10
2分钟前
jlwang发布了新的文献求助10
2分钟前
bookgg完成签到 ,获得积分10
3分钟前
关关完成签到 ,获得积分10
3分钟前
GankhuyagJavzan完成签到,获得积分10
3分钟前
小乙猪完成签到 ,获得积分0
3分钟前
细心的如天完成签到 ,获得积分10
3分钟前
粥粥完成签到 ,获得积分10
3分钟前
linn完成签到 ,获得积分20
3分钟前
shierfang完成签到 ,获得积分10
4分钟前
doreen完成签到 ,获得积分10
4分钟前
jlwang发布了新的文献求助10
4分钟前
4分钟前
胖小羊完成签到 ,获得积分10
4分钟前
王佳豪完成签到,获得积分20
4分钟前
donwe发布了新的文献求助10
4分钟前
liuyong6413完成签到 ,获得积分10
4分钟前
可爱蓝天完成签到,获得积分10
4分钟前
JJ完成签到 ,获得积分10
4分钟前
Woke完成签到 ,获得积分10
4分钟前
大水完成签到 ,获得积分10
4分钟前
donwe完成签到,获得积分10
4分钟前
沙海沉戈完成签到,获得积分0
4分钟前
锂氧完成签到 ,获得积分10
5分钟前
林夕相心完成签到 ,获得积分10
5分钟前
Skywings完成签到,获得积分10
5分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3200807
求助须知:如何正确求助?哪些是违规求助? 2850565
关于积分的说明 8072308
捐赠科研通 2514290
什么是DOI,文献DOI怎么找? 1347049
科研通“疑难数据库(出版商)”最低求助积分说明 640305
邀请新用户注册赠送积分活动 610509