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
54秒前
曾经枫发布了新的文献求助10
1分钟前
小二郎应助曾经枫采纳,获得10
1分钟前
李健的小迷弟应助fsznc采纳,获得10
1分钟前
鑫鑫完成签到 ,获得积分10
1分钟前
实力不允许完成签到 ,获得积分10
2分钟前
单薄松鼠完成签到 ,获得积分10
2分钟前
可爱慕卉应助科研通管家采纳,获得10
2分钟前
星辰大海应助fsznc采纳,获得10
2分钟前
ybwei2008_163完成签到,获得积分20
3分钟前
研友_VZG7GZ应助sailingluwl采纳,获得10
4分钟前
千倾完成签到 ,获得积分10
5分钟前
hwen1998完成签到 ,获得积分10
5分钟前
5分钟前
5分钟前
sailingluwl发布了新的文献求助10
5分钟前
6分钟前
苏晓醒发布了新的文献求助10
6分钟前
脆饼同学发布了新的文献求助10
6分钟前
慕青应助科研通管家采纳,获得10
6分钟前
Zhangfu完成签到,获得积分10
6分钟前
燕晓啸完成签到 ,获得积分0
7分钟前
hani完成签到,获得积分10
7分钟前
现代完成签到,获得积分10
8分钟前
123456完成签到,获得积分0
8分钟前
郑洲完成签到 ,获得积分10
9分钟前
9分钟前
曾经枫发布了新的文献求助10
9分钟前
曾经枫完成签到 ,获得积分20
9分钟前
飞翔的企鹅完成签到,获得积分10
10分钟前
刘刘完成签到 ,获得积分10
10分钟前
沙海沉戈完成签到,获得积分0
10分钟前
文静灵阳完成签到 ,获得积分10
10分钟前
干净博涛完成签到 ,获得积分10
10分钟前
LSD完成签到,获得积分20
11分钟前
mashibeo完成签到,获得积分10
11分钟前
12分钟前
打打应助曾经枫采纳,获得10
13分钟前
bkagyin应助研友_Z3NGvn采纳,获得10
13分钟前
13分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196814
求助须知:如何正确求助?哪些是违规求助? 2845494
关于积分的说明 8054280
捐赠科研通 2510095
什么是DOI,文献DOI怎么找? 1342278
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669