Image Fusion

Rethinking Normalization Strategies and Convolutional Kernels for Multimodal Image Fusion

重新思考归一化策略和卷积核在多模态图像融合中的作用

Dan He, Guofen Wang, Weisheng Li, Yucheng Shu, Wenbo Li, Lijian Yang, Yuping Huang, Feiyan Li

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Chongqing Normal University（重庆师范大学） 纠错

专题命中 Image Fusion ：image fusion(title,abstract)

AI总结 本文提出了一种改进的UNet架构，通过混合实例和组归一化以及多路径自适应融合模块，提升多模态图像融合的性能和细节保留能力。

l0-Regularized Sparse Coding-based Interpretable Network for Multi-Modal Image Fusion

基于l0正则化稀疏编码的可解释网络用于多模态图像融合

Gargi Panda, Soumitra Kundu, Saumik Bhattacharya, Aurobinda Routray

机构 * Department of EE, IIT Kharagpur, India（印度IIT Kharagpur电子工程系） ； Rekhi Centre of Excellence for the Science of Happiness, IIT Kharagpur, India（印度IIT Kharagpur幸福科学卓越中心） ； Department of E&ECE, IIT Kharagpur, India（印度IIT Kharagpur电子工程与电子学系） 纠错

专题命中 Image Fusion ：image fusion(title,abstract)

AI总结 本文提出基于l0正则化稀疏编码的可解释网络FNet，用于多模态图像融合，通过分离独特和共同特征提升融合质量并增强下游任务性能。

Comments Accetped by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)