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
wenhuanwenxian完成签到 ,获得积分10
1秒前
FashionBoy应助HY采纳,获得10
1秒前
张岱帅z应助悦耳的绿蕊采纳,获得30
1秒前
姜姜姜完成签到,获得积分10
1秒前
Oying完成签到,获得积分10
1秒前
小蘑菇应助寒钟过雨声采纳,获得10
4秒前
4秒前
星辰大海应助Ryo采纳,获得10
5秒前
6秒前
Jasper应助Felicity采纳,获得10
6秒前
li完成签到,获得积分20
7秒前
7秒前
浮名半生完成签到,获得积分10
8秒前
卓儿发布了新的文献求助10
9秒前
大力的新蕾完成签到 ,获得积分10
9秒前
端庄白猫完成签到,获得积分10
10秒前
10秒前
okghy发布了新的文献求助10
11秒前
12秒前
12秒前
梅倪完成签到,获得积分10
12秒前
12秒前
13秒前
13秒前
liekkas发布了新的文献求助10
13秒前
14秒前
虚心寄瑶完成签到,获得积分10
14秒前
14秒前
14秒前
zcg发布了新的文献求助10
15秒前
li发布了新的文献求助10
15秒前
QQQ完成签到,获得积分10
15秒前
Nature完成签到,获得积分20
16秒前
Dinse发布了新的文献求助10
17秒前
17秒前
nini完成签到,获得积分10
17秒前
刀刀刀发布了新的文献求助10
17秒前
Hello应助源味怪豆采纳,获得10
18秒前
踔厉发布了新的文献求助10
18秒前
司徒碧菡发布了新的文献求助10
19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 3187972
求助须知:如何正确求助?哪些是违规求助? 2837568
关于积分的说明 8016224
捐赠科研通 2500270
什么是DOI,文献DOI怎么找? 1334868
科研通“疑难数据库(出版商)”最低求助积分说明 637310
邀请新用户注册赠送积分活动 605347