已入深夜,您辛苦了!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,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
安安发布了新的文献求助10
2秒前
chem发布了新的文献求助10
3秒前
不配.应助文艺鞋垫采纳,获得20
4秒前
脑洞疼应助赵zhao采纳,获得10
4秒前
1234354346完成签到 ,获得积分10
6秒前
7秒前
cc完成签到 ,获得积分10
8秒前
雪白的听寒完成签到 ,获得积分10
10秒前
Ddddd完成签到 ,获得积分0
10秒前
10秒前
Bowman完成签到,获得积分10
12秒前
刘十一完成签到 ,获得积分10
13秒前
15秒前
16秒前
脚踏实地呢完成签到 ,获得积分10
17秒前
科研通AI2S应助Murmur采纳,获得10
20秒前
友好白凡发布了新的文献求助10
22秒前
WJ发布了新的文献求助10
22秒前
24秒前
不配.给lalaa的求助进行了留言
24秒前
完美世界应助优美月饼采纳,获得10
24秒前
焱焱不忘完成签到 ,获得积分10
31秒前
上官若男应助秉烛游采纳,获得10
35秒前
36秒前
dangdang601发布了新的文献求助10
39秒前
没头脑和不高兴完成签到 ,获得积分10
39秒前
优美代玉完成签到,获得积分10
40秒前
优美月饼发布了新的文献求助10
41秒前
不配.应助dfjdjn采纳,获得30
46秒前
鳌小饭完成签到 ,获得积分10
47秒前
Sean发布了新的文献求助10
50秒前
每天都要签到给每天都要签到的求助进行了留言
51秒前
优美月饼完成签到,获得积分10
56秒前
木偶橘完成签到,获得积分20
56秒前
一二完成签到,获得积分10
58秒前
59秒前
59秒前
1分钟前
1分钟前
猫猫发布了新的文献求助10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3186524
求助须知:如何正确求助?哪些是违规求助? 2836778
关于积分的说明 8011284
捐赠科研通 2499134
什么是DOI,文献DOI怎么找? 1334103
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 605009