《UNIFusion: A Lightweight Unified Image Fusion Network》论文解读+代码【更新中】

论文+代码链接

论文代码 陆续更新中...

摘要

作者提出了一个轻量化的网络模型，用来解决不同的图像融合任务(通用模型)。使用了一个引导滤波的操作，将图像分解，从而不同层级可以使用不同的融合策略，为融合策略组合提供了更多可能。其中为多聚焦图像融合任务设计了一个梯度感知融合策略。指标SOTA。

引言

引言部分，分成传统和深度方法做介绍，然后提了一下传统，逐渐过渡到深度方法的简介。最早的深度融合，还是17年的用CNN来生成聚焦决策块，手工生成的数据集，性能有限。然后说一嘴GAN和Autoencoder类型的方法。

但是都是针对单一任务的，没有做到通用。IFCNN用一个景深数据集生成多聚焦图像，来做通用模型，但是同样手工数据集，面向单一任务，泛化性能有限。相比于目标不明确的融合任务，自编码器的训练更容易。
提到了GhostNet这个轻量化的网络模型，介绍了一下GhostModule这个分组卷积的操作减少计算量。

卖了个关子，提了下梯度感知的操作。