Oct, 2023

AdaFuse：基于空间频率交叉注意力的自适应医学图像融合

PDF
TL;DR通过频率引导的注意力机制，交叉注意力融合和损失函数来实现多模式医学图像融合，提高融合图像的质量和保留细节。
multi-modal medical image fusiondeep learning-based fusionfrequency-guided attention mechanismcross-attention fusionloss function
发现论文，激发创造
  • ICAFusion: 迭代交叉注意力引导特征融合用于多光谱目标检测

    利用双交叉注意力变换器提出了一种新的特征融合框架，以同时建模全局特征交互并捕捉多模态之间的互补信息，从而提高物体特征的区分能力，并通过迭代交互机制在减少模型复杂性和计算成本的同时保证了较快的推理速度。

    Aug, 2023

  • 基于局部到全局的跨模态注意力融合方法用于 HSI-X 语义分割

    本研究提出了一种用于高光谱图像和 X 模态图像分类的 Local-to-Global Cross-modal Attention-aware Fusion (LoGoCAF) 框架，通过像素级的两分支语义分割架构从两种模态中学习信息并进行特征融合和预测，实现了优秀的性能和普适性。

    Jun, 2024

  • 2D 物体检测的多任务跨模态注意力融合

    提出两种新的雷达预处理技术，并引入了多任务跨模态注意融合网络（MCAF-Net）来进行目标检测，相对于现有的基于雷达和相机融合的目标检测算法具有更强的鲁棒性，特别是在恶劣的天气条件和夜间场景下。

    Jul, 2023

  • CrossFuse：一种基于交叉注意力机制的红外和可见光图像融合新方法

    提出了一种新颖的跨模态注意机制（CAM）来增强互补信息，并提出了基于两阶段训练策略的融合方案，实验结果表明我们提出的融合方法在融合网络中获得了 SOTA 级别的性能。

    Jun, 2024

  • 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

  • 三维医学图像融合与可变形交叉注意力

    创新的无监督特征互学习融合网络用于融合三维磁共振成像（MRI）和正电子发射断层成像（PET）图像，提高医生和研究人员的信息获取能力，并在性能度量方面优于传统二维图像融合方法。

    Oct, 2023

  • 基于拉普拉斯自编码器和通道注意力的新型多模态医学图像融合

    提出了一种基于综合的 Laplacian-Gaussian 连接和注意力汇聚的多模式医学图像融合模型，证明了该模型能有效地保留互补信息和重要的组织结构。

    Oct, 2023

  • AliFuse：多模医学数据对齐与融合用于计算机辅助诊断

    提出了一种基于转换器的框架 Alifuse，用于对齐和融合多模态医学数据，应用于阿尔茨海默病的分类，并在五个公共数据集上取得了领先的性能。

    Jan, 2024

  • 红外和可见光图像融合的多尺度信息融合框架

    我们提出了一种多尺度双注意 (MDA) 框架，用于红外和可见光图像融合，在图像和块级别测量和整合互补信息，并通过损失函数在结构和特征级别进行融合。

    Dec, 2023

  • AdaFuse: 自适应时间融合网络用于高效运动识别

    本文介绍了一种自适应的时间融合网络，称为 AdaFuse，用于视频动作识别的临时建模，其对历史卷积特征图的必要信息与当前修剪特征图进行融合，以提高识别准确性和效率。

    Feb, 2021