本文提出了一种基于深度学习框架的有效图像融合方法，该方法能够将红外图像和可见光图像的所有特征生成单个图像。实验结果表明，该方法在客观评估和视觉质量方面均达到了最先进的性能。

Apr, 2018

本文提出一种基于自编码器的图像融合网络，通过分解图像特征，实现融合的可靠性和细节纹理信息的丰富性，取得了较好的实验效果和鲁棒性。

Mar, 2020

提出一种基于相关驱动特征分解融合网络的多模态图像融合方法，通过利用Restormer块提取跨模态浅层特征；采用双分支Transformer-CNN特征提取器，使用Lite Transformer块处理低频全局特征和INN块处理高频局部信息;提出相关驱动损失，在保留融合优势的同时使低频特征相关，高频特征不相关;输出融合图像。在红外-可见图像融合和医学图像融合等多个任务中，该方法均取得了良好的结果，并在红外-可见语义分割和目标检测中提升了性能。

Nov, 2022

通过使用多个卷积核和注意力机制，我们提出了AMFusionNet，一种创新的红外和可见图像融合方法，通过吸收红外图像的热力细节和可见源的纹理特征，我们的方法生成了丰富信息的图像。实验证明，我们的方法在质量和数量上优于现有的算法，并且公开可用数据集上的性能指标也显示了显著的改进。

Aug, 2023

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

设计了一个可见-红外融合网络用于图像去雾，并通过多尺度深度结构特征提取模块和不一致性加权融合策略，充分利用红外图像的信息来改善效果，实验证明VIFNet优于现有方法。

Apr, 2024

通过引入新型异构双鉴别生成对抗网络（HDDGAN），本研究旨在解决红外与可见光图像融合过程中捕捉热区域信息和纹理细节的挑战。通过多尺度连接结构和注意力机制，HDDGAN能够从不同源图像中提取重要特征，并实现信息融合结果的更好信息表示。通过在各种公共数据集上进行广泛实验，证明了HDDGAN相较于其他现有算法的优越性能，展示其在实际应用中的潜力增强。

Apr, 2024

通过建模相关性驱动分解特征和推理高级图表示以高效地提取互补特征和多引导特征聚合，本论文提出了一个三分支编码器-解码器体系结构以及相应的融合层作为融合策略，用于多模态图像融合，并介绍了图推理模块以推理高级跨模态关系和同时从CAI的特定模态补充信息中提取低级细节特征。实验证明，我们的方法在可见/红外图像融合和医学图像融合任务中取得了与最先进方法相媲美的结果，并且在后续任务中超过了其他融合方法，平均得分在物体检测方面高出9.78％ [email protected]，语义分割方面高出6.46％ mIoU。

Jun, 2024

通过语义和几何域转换，提出了一种高级视觉任务驱动的红外与可见光图像融合网络，能够显著促进语义和几何信息的集成并进一步减小领域差距，同时通过比较实验证明了该方法在视觉吸引力和语义分割任务方面超过其他现有方法。

Jul, 2024

本研究解决了现有多模态图像融合方法产生模糊或不自然图像的问题。提出的DAE-Fuse框架通过引入对抗特征提取和结构差异识别的自适应模块，显著提升了融合图像的清晰度和自然度。实验结果表明，该方法在定量和定性评价中均表现优越，具有广泛的适用性。

Sep, 2024