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
丘比特应助和平小鸽采纳,获得10
1秒前
1秒前
粥粥关注了科研通微信公众号
2秒前
一叶知秋完成签到,获得积分10
3秒前
y1h2z3发布了新的文献求助10
5秒前
斯文败类应助星星采纳,获得10
6秒前
无可无不可完成签到,获得积分10
8秒前
8秒前
隐形曼青应助旭日林间采纳,获得10
8秒前
NexusExplorer应助李丹采纳,获得10
8秒前
9秒前
黄少侠完成签到 ,获得积分10
9秒前
粉红三倍速应助陈忠正采纳,获得10
10秒前
就晚安喽完成签到 ,获得积分10
10秒前
夜无疆完成签到,获得积分10
11秒前
华仔应助吱哦周采纳,获得10
14秒前
哈哈哈完成签到 ,获得积分10
14秒前
逗你玩发布了新的文献求助30
14秒前
xx完成签到,获得积分20
15秒前
大个应助ZUOSG采纳,获得10
16秒前
y1h2z3完成签到,获得积分20
17秒前
暮霭沉沉应助舒心茗茗采纳,获得10
18秒前
18秒前
互助遵法尚德应助欣一采纳,获得10
20秒前
脑洞疼应助xx采纳,获得10
21秒前
1027完成签到 ,获得积分10
23秒前
23秒前
帅气的马里奥完成签到 ,获得积分10
26秒前
26秒前
27秒前
StandardR发布了新的文献求助30
27秒前
ArthurWaley发布了新的文献求助10
28秒前
吱哦周发布了新的文献求助10
28秒前
逗你玩完成签到,获得积分10
30秒前
31秒前
pp完成签到,获得积分10
31秒前
春江发布了新的文献求助10
32秒前
丘比特应助图苏采纳,获得10
32秒前
不配.应助激昂的背包采纳,获得20
32秒前
逗逗豆芽发布了新的文献求助20
34秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
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 3193663
求助须知:如何正确求助?哪些是违规求助? 2842647
关于积分的说明 8040129
捐赠科研通 2506733
什么是DOI,文献DOI怎么找? 1339329
科研通“疑难数据库(出版商)”最低求助积分说明 638752
邀请新用户注册赠送积分活动 607379