定制化融合：面向自适应多任务感知的闭环动态网络
计算机视觉与模式识别
2026-04-13 v1
摘要
红外可见图像融合旨在集成互补信息以实现稳健的视觉理解，但现有融合方法在同时适应多个下游任务方面存在困难。为此，我们提出了闭环动态网络（CLDyN），该网络能够适应性地响应多样下游任务的语义需求，以实现任务定制化图像融合。具体而言，CLDyN引入闭环优化机制，构建语义传递链，通过基于任务需求的语义补偿（RSC）模块实现对下游任务的显式反馈。RSC模块利用基向量库（BVB）和架构自适应语义注入（A2SI）模块，根据任务需求定制网络架构，从而实现任务特定的语义补偿，使融合网络能够在无需重新训练的情况下主动适应多样化任务。为促进语义补偿，我们引入奖惩策略，根据任务性能变化对RSC模块进行奖励或惩罚。实验在M3FD、FMB和VT5000数据集上表明，CLDyN不仅保持了高质量的融合，还展现了强大的多任务适应性。代码已公开：https://github.com/YR0211/CLDyN。
引用
@article{arxiv.2604.08924,
title = {Customized Fusion: A Closed-Loop Dynamic Network for Adaptive Multi-Task-Aware Infrared-Visible Image Fusion},
author = {Zengyi Yang and Yu Liu and Juan Cheng and Zhiqin Zhu and Yafei Zhang and Huafeng Li},
journal= {arXiv preprint arXiv:2604.08924},
year = {2026}
}
备注
This paper has been accepted by CVPR 2026