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
freshman3005发布了新的文献求助30
刚刚
1秒前
2秒前
充电宝应助kkpp采纳,获得10
2秒前
糊涂的凡白完成签到,获得积分10
2秒前
3秒前
坚强的乾完成签到,获得积分10
3秒前
情怀应助三七采纳,获得10
3秒前
3秒前
在水一方应助ax采纳,获得30
3秒前
静默完成签到 ,获得积分10
4秒前
思源应助小杨采纳,获得10
5秒前
乐生完成签到,获得积分10
6秒前
幸运小怪兽完成签到,获得积分10
6秒前
7秒前
7秒前
7秒前
7秒前
英俊的铭应助zrw采纳,获得10
7秒前
7秒前
8秒前
华仔应助小杨采纳,获得10
8秒前
albertxin应助huaner采纳,获得10
8秒前
852应助阳光洒进暖巷采纳,获得10
8秒前
9秒前
9秒前
10秒前
Anan完成签到,获得积分10
10秒前
纯真玉兰发布了新的文献求助10
10秒前
不倦应助许红祥采纳,获得10
11秒前
田様应助幸运小怪兽采纳,获得10
11秒前
11秒前
SiDi发布了新的文献求助10
12秒前
隐形曼青应助憨人采纳,获得10
13秒前
打打应助知性的友易采纳,获得10
13秒前
13秒前
14秒前
科研通AI2S应助不回首采纳,获得10
14秒前
搜集达人应助不回首采纳,获得10
14秒前
范海辛完成签到,获得积分10
14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
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 3181688
求助须知:如何正确求助?哪些是违规求助? 2832002
关于积分的说明 7987392
捐赠科研通 2493888
什么是DOI,文献DOI怎么找? 1330529
科研通“疑难数据库(出版商)”最低求助积分说明 635979
版权声明 602955