已入深夜,您辛苦了!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,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
便宜小师傅完成签到 ,获得积分10
刚刚
1秒前
2秒前
自由溪灵发布了新的文献求助10
6秒前
NexusExplorer应助科研通管家采纳,获得10
6秒前
科研通AI2S应助科研通管家采纳,获得10
6秒前
英俊的铭应助科研通管家采纳,获得10
6秒前
丘比特应助科研通管家采纳,获得30
6秒前
深情安青应助科研通管家采纳,获得10
6秒前
共享精神应助科研通管家采纳,获得10
6秒前
李健应助科研通管家采纳,获得10
6秒前
打打应助科研通管家采纳,获得10
6秒前
wanci应助科研通管家采纳,获得10
6秒前
研友_VZG7GZ应助科研通管家采纳,获得10
6秒前
jessicazhong发布了新的文献求助10
6秒前
烟花应助科研通管家采纳,获得10
6秒前
科研通AI2S应助科研通管家采纳,获得10
6秒前
6秒前
8秒前
Akim应助调皮白云采纳,获得10
8秒前
思源应助zhishi采纳,获得10
9秒前
大力千万完成签到,获得积分10
10秒前
玖玖发布了新的文献求助10
10秒前
一根藤完成签到,获得积分10
12秒前
12秒前
大熊完成签到,获得积分10
12秒前
Miracle发布了新的文献求助10
15秒前
大力千万发布了新的文献求助10
17秒前
怕孤单的Hannah完成签到 ,获得积分10
18秒前
北极星完成签到,获得积分10
19秒前
nanniyi完成签到,获得积分10
21秒前
高高安白发布了新的文献求助10
22秒前
果粒橙完成签到,获得积分10
23秒前
李健的粉丝团团长应助zly采纳,获得10
24秒前
积极马里奥完成签到 ,获得积分10
25秒前
25秒前
Lucas应助北极星采纳,获得10
26秒前
ye先生发布了新的文献求助10
26秒前
26秒前
28秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
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
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 3183296
求助须知:如何正确求助?哪些是违规求助? 2833432
关于积分的说明 7994193
捐赠科研通 2495544
什么是DOI,文献DOI怎么找? 1331574
科研通“疑难数据库(出版商)”最低求助积分说明 636352
邀请新用户注册赠送积分活动 603509