Sep, 2023

BigFUSE: 双视透射光片荧光显微镜中全局上下文感知图像融合与图像形成优先

PDF
TL;DR通过考虑样本中光子传播的全局影响，并根据局部图像质量确定焦点和散焦，BigFUSE 稳定了 LSFM 中的图像融合，该方法是第一个能够在融合信息时排除结构性伪影的双视图 LSFM 图像融合器。
发现论文，激发创造
  • 荧光寿命图像的单样本图像融合上采样

    通过数据融合方法，利用低分辨率时间分辨探测器和高分辨率相机的测量结果，解决 FLIM 超分辨率成像技术在高采集速度下的图像分辨率瓶颈，并引入统计信息先验来解决逆问题，从而提供比传统线性插值更清晰的图像。该方法还适用于其他存在两个不同数据集的图像超分辨率问题。

    Apr, 2024

  • 双重焦点：在多模态大型语言模型中整合宏观和微观视角

    通过在多模态大型语言模型中引入双重聚焦机制，该研究提出了一种新颖的框架，能够提升视觉 - 语言任务的性能，并在综合考虑全局、细节和综合因素的任务中展现出卓越优势。利用来自宏观和微观视角的图像信息和问题响应，该模型通过识别合适的子区域进行深入分析，从而实现对局部区域的详细问题的解答能力，从而减少了大型语言模型中的幻觉现象，并提高了各种视觉 - 语言任务的性能。

    Feb, 2024

  • 自由输入的多焦点图像融合的生成和重组

    通过 GRFusion 模型，实现了多个源图像的同时融合，避免了信息损失，并通过梯度嵌入和像素重组的方法提高了融合图像的视觉质量。

    Sep, 2023

  • 无参照多模态体积配准的 X 射线显微镜和光片荧光显微镜

    该研究介绍了一种用于 X-ray 显微镜和光片荧光显微镜体积配准的快速两阶段流水线，提出了残余相似性作为新的度量标准，以精确匹配相关微结构，特别是 X-ray 显微镜中的小房和光片荧光显微镜中的骨细胞，为骨重塑性疾病的研究提供新的深入认识，如骨质疏松症，该疾病对于老龄社会来说构成巨大负担。

    Apr, 2024

  • 光场空间分辨率增强框架

    光场成像具有捕捉角度和空间光分布的能力，通过模块化方法进行分辨率增强，以每个光场视角独立增强分辨率的纹理变换网络，并利用光场的规则性来同时提高所有光场图像视角的分辨率，相比现有方法在定性和定量评估方面表现出更好的性能。

    May, 2024

  • 一种仿生多曝光融合低光图像增强框架

    该论文设计了一种基于多曝光融合的低光图像增强框架，使用光照估计和相机响应模型来综合多副本图像，并通过融合算法实现了对比度和明度的准确提升。实验表明，该方法较其他现有方法更少引入对比度和亮度失真。

    Nov, 2017

  • 超越夜间可见性：红外和可见光图像的自适应多尺度融合

    提出了一种自适应多尺度融合网络（AMFusion），通过红外和可见图像的融合规则，分别调整光照分布和提高检测准确性，从而实现针对夜晚物体检测的性能提升。

    Mar, 2024

  • SESF-Fuse: 多焦点图像融合的无监督深度模型

    本研究提出了一种基于无监督深度学习模型的多焦点图像融合方法，该方法通过训练编码器 - 解码器网络获得输入图像的深层特征，并使用这些特征及空间频率来衡量活动水平和决策图，最终应用一些一致性验证方法来调整决策图并得出融合结果，与之前的方法相比，该方法分析深层特征中的锐利外观而非原始图像中的锐利外观。实验结果表明，与现有的 16 种融合方法相比，该方法在客观和主观评估中均取得了最先进的融合性能。

    Aug, 2019

  • 基于空间频率融合的双域多曝光图像融合网络

    通过空频积分框架 (Spatial-Frequency Integration Framework) 提出了一种新颖的多曝光图像融合方法 (MEF-SFI)，通过有效利用频率域的整体光照建模能力，结合空间和频率路径的深度傅里叶变换方法，以及双域损失函数的综合作用，实现了对输入图像的融合，取得了与最先进的多曝光图像融合方法相媲美的视觉效果。

    Dec, 2023

  • 双重本地图学习和相互引导的光场显著性检测

    本文提出了一种基于图网络的局部连接模型，来有效地融合光场数据中的特征并指导焦散堆叠融合过程，同时通过相互的引导方案实现全部焦点和焦散堆叠的特征增强，最终得出比现有方法更优的显着性预测结果。

    Oct, 2021