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
在水一方应助冉冉采纳,获得10
2秒前
在水一方应助LSM采纳,获得10
2秒前
充电宝应助0033采纳,获得10
5秒前
6秒前
7秒前
稻草人完成签到 ,获得积分10
8秒前
牛马刘完成签到,获得积分10
9秒前
10秒前
啦啦啦啦啦完成签到,获得积分10
10秒前
ylf发布了新的文献求助10
11秒前
haha完成签到,获得积分10
11秒前
皇甫飞扬发布了新的文献求助10
12秒前
13秒前
所所应助榆木小鸟采纳,获得10
13秒前
禹代秋完成签到,获得积分10
14秒前
机智又蓝完成签到 ,获得积分10
14秒前
小斯完成签到,获得积分10
14秒前
西陆完成签到,获得积分10
14秒前
rorraine_xu发布了新的文献求助10
15秒前
LSM发布了新的文献求助10
16秒前
迷城发布了新的文献求助10
16秒前
潘润朗完成签到 ,获得积分10
16秒前
小董不懂发布了新的文献求助10
16秒前
21秒前
24秒前
邵洋完成签到,获得积分10
24秒前
愉快的海发布了新的文献求助10
26秒前
迷城完成签到,获得积分10
27秒前
Owen应助rorraine_xu采纳,获得10
28秒前
ccl发布了新的文献求助10
29秒前
叶颤完成签到,获得积分10
30秒前
30秒前
陈陈欲睡完成签到,获得积分10
31秒前
善学以致用应助平常成仁采纳,获得10
31秒前
dangan发布了新的文献求助10
37秒前
39秒前
39秒前
榆木小鸟完成签到,获得积分10
40秒前
小生完成签到,获得积分10
40秒前
舒适凝荷完成签到 ,获得积分10
40秒前
高分求助中
Evolution 3rd edition 1500
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
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180905
求助须知:如何正确求助?哪些是违规求助? 2831086
关于积分的说明 7983117
捐赠科研通 2493070
什么是DOI,文献DOI怎么找? 1329957
科研通“疑难数据库(出版商)”最低求助积分说明 635872
版权声明 602954