Tag · 4 篇
多模态图像融合
ReCoFuse：基于复原式多模态扩散互耦的超鲁棒图像融合
ReCoFuse: Ultra-Robust Image Fusion via Restorative Multi-Modal Diffusion Reciprocal Coupling
把扩散采样过程当作多模态复原先验的载体，在每个采样时间步插入跨模态整合模块并把聚合变量回灌到各复原分支，这种「复原-融合互促」的耦合结构可直接迁移到多传感器融合、低质图像增强等需要同时去退化与信息整合的任务。
通过干预稳定特征学习的多模态图像融合
Multi-Modal Image Fusion via Intervention-Stable Feature Learning
把因果干预（互补掩码、同区域随机掩码、模态 dropout）当作构造训练信号的手段，配合自适应不变性门控筛选「跨扰动模式仍重要」的特征，可直接迁移到多模态融合、跨模态对齐以及模态缺失下的鲁棒表征学习。
MMVIP：面向多天气海上视觉的可见光-红外配对数据集
MMVIP: A Visible-infrared Paired Dataset for Multi-weather Marine Vision
为可见光-红外跨模态研究提供了带精确时空对齐的海上多天气配对数据，可直接用于训练与评测图像配准、融合、跨模态翻译和海上目标检测模型，弥补了现有配对数据缺乏真实海上场景的空白。
退化鲁棒融合：一种用于任意退化场景下多模态图像融合的高效退化感知扩散框架
Degradation-Robust Fusion: An Efficient Degradation-Aware Diffusion Framework for Multimodal Image Fusion in Arbitrary Degradation Scenarios
提出一种隐式去噪的扩散框架，通过直接回归融合图像而非预测噪声，并设计联合观测模型校正机制在采样中同时施加退化与融合约束，可复用于任意退化场景下的多模态图像融合任务。