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
调皮的幼枫完成签到,获得积分10
1秒前
像风一样发布了新的文献求助10
2秒前
Ava应助哩哩啦啦采纳,获得10
3秒前
舒心的梦凡完成签到,获得积分10
4秒前
大山完成签到,获得积分10
5秒前
yugongjie完成签到 ,获得积分10
5秒前
orixero应助李老头采纳,获得10
5秒前
汉堡包应助llllzzh采纳,获得10
6秒前
xzleee完成签到 ,获得积分10
6秒前
6秒前
7秒前
GU发布了新的文献求助10
7秒前
8秒前
科研民工完成签到,获得积分10
9秒前
gtgyh完成签到 ,获得积分10
9秒前
10秒前
送外卖了发布了新的文献求助10
10秒前
10秒前
顾矜应助嘟嘟采纳,获得10
11秒前
胥风发布了新的文献求助10
11秒前
12秒前
13秒前
HOLLOW发布了新的文献求助10
13秒前
14秒前
勤劳飞松完成签到,获得积分10
14秒前
wanci应助hhhongke采纳,获得10
16秒前
CipherSage应助孝顺的尔丝采纳,获得10
16秒前
东方一斩发布了新的文献求助10
17秒前
Jerry完成签到,获得积分10
17秒前
像风一样完成签到,获得积分10
18秒前
yue发布了新的文献求助10
18秒前
nihaoooo完成签到,获得积分10
18秒前
酸奶七完成签到,获得积分10
19秒前
青一完成签到 ,获得积分10
19秒前
20秒前
21秒前
欧阳完成签到 ,获得积分10
21秒前
22秒前
你好发布了新的文献求助10
22秒前
23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 3187269
求助须知:如何正确求助?哪些是违规求助? 2837276
关于积分的说明 8013988
捐赠科研通 2499791
什么是DOI,文献DOI怎么找? 1334620
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 605171