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
刚刚
Henry应助nicholaswk采纳,获得200
2秒前
2秒前
熏香澡牝完成签到,获得积分10
3秒前
LT完成签到,获得积分10
3秒前
义气学姐完成签到,获得积分10
4秒前
4秒前
徐凤年完成签到,获得积分10
4秒前
5秒前
Hello应助Lignin采纳,获得10
6秒前
orixero应助后笑晴采纳,获得10
7秒前
zzz发布了新的文献求助100
7秒前
琉璃岁月完成签到,获得积分10
8秒前
qize发布了新的文献求助10
8秒前
ableyy发布了新的文献求助10
8秒前
秋意浓发布了新的文献求助10
8秒前
8秒前
11秒前
吕小n发布了新的文献求助10
12秒前
12秒前
科研通AI2S应助无辜的映波采纳,获得10
12秒前
英姑应助无辜的映波采纳,获得10
12秒前
华仔应助兔头洁采纳,获得30
12秒前
怡然雁凡完成签到,获得积分10
13秒前
来了来了完成签到,获得积分10
13秒前
13秒前
文艺寄灵发布了新的文献求助10
13秒前
wanci应助顺遂采纳,获得10
14秒前
万能图书馆应助小季采纳,获得10
14秒前
茯苓发布了新的文献求助10
16秒前
脑洞疼应助幽篁深韵采纳,获得10
16秒前
18秒前
大黄发布了新的文献求助10
18秒前
19秒前
20秒前
香蕉觅云应助穷书匠采纳,获得10
20秒前
粗心的蒙蒙完成签到,获得积分10
20秒前
21秒前
满当当完成签到 ,获得积分10
22秒前
是滴是滴发布了新的文献求助10
23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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3184406
求助须知:如何正确求助?哪些是违规求助? 2834716
关于积分的说明 8000982
捐赠科研通 2497107
什么是DOI,文献DOI怎么找? 1332655
科研通“疑难数据库(出版商)”最低求助积分说明 636631
邀请新用户注册赠送积分活动 603979