【红外与可见光图像融合】STFNet: Self-Supervised Transformer for Infrared and Visible Image Fusion

yeager415

于 2024-04-19 21:57:34 发布

阅读量622

点赞数 10

文章标签： transformer 深度学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/learnererer/article/details/137978346

版权

本文介绍了在计算智能领域中，如何通过借鉴2021年CVPR的TransTTracking工作，利用变形卷积和注意力机制解决轻微错位图像对的融合问题，同时提及了MS-SSIM和频率损失在减少伪影方面的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

IEEE TRANSACTIONS ON EMERGING TOPICS IN COMPUTATIONAL INTELLIGENCE
代码公开

本文提到一些有意思的说法：我们假设融合数据集中只是存在轻微错位的图像对，这些图像对已经经过图像配准算法的预处理。我们引入了变形卷积，使得VIS和IR在特征上对齐。特征融合方面使用了自注意力和交叉注意力，虽然分别命名为细节自注意力和显著性注意力。但只是为了编故事。文章里没有提，代码里说明了这个块就是引用的2021的一篇CVPR【TransT Tracking】，直接拿来缝合的。

本文框架：
在这里插入图片描述

2021的CVPR
在这里插入图片描述

作者说特征对齐模块解决了错位问题，并减少了融合图像中的伪影。

作者举得没有完全对齐的例子–？
在这里插入图片描述

损失：

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。