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
桐桐应助大胆的惜珊采纳,获得10
1秒前
1秒前
肉肉的肉发布了新的文献求助10
1秒前
吴未完成签到,获得积分10
1秒前
陈炜smile完成签到,获得积分10
1秒前
CodeCraft应助dyfsj采纳,获得10
2秒前
西洲发布了新的文献求助10
2秒前
2秒前
2秒前
直率的勒完成签到,获得积分10
3秒前
脑洞疼应助眼睛大映阳采纳,获得10
3秒前
喜宝完成签到 ,获得积分10
3秒前
4秒前
6秒前
6秒前
溯桀发布了新的文献求助10
6秒前
6秒前
洋洋洋完成签到,获得积分10
6秒前
狐狸小姐完成签到 ,获得积分10
6秒前
Efei完成签到,获得积分10
6秒前
7秒前
Cecilia发布了新的文献求助10
7秒前
星黛露发布了新的文献求助20
7秒前
7秒前
7秒前
Nano-Su完成签到 ,获得积分10
7秒前
8秒前
9秒前
宋小兔完成签到,获得积分10
9秒前
royan2发布了新的文献求助10
10秒前
10秒前
轻松月亮发布了新的文献求助10
10秒前
10秒前
宋宋发布了新的文献求助10
11秒前
qi发布了新的文献求助10
11秒前
小果子完成签到 ,获得积分10
11秒前
11秒前
12秒前
13秒前
北辰完成签到,获得积分10
14秒前
高分求助中
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
Language injustice and social equity in EMI policies in China 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3201358
求助须知:如何正确求助?哪些是违规求助? 2850920
关于积分的说明 8075448
捐赠科研通 2514852
什么是DOI,文献DOI怎么找? 1347501
科研通“疑难数据库(出版商)”最低求助积分说明 640446
邀请新用户注册赠送积分活动 610650