面向红外和可见图像融合的方向感知多尺度梯度损失
计算机视觉与模式识别
2025-10-16 v1
摘要
红外和可见图像融合旨在整合来自共配准源图像的互补信息，以产生单个信息丰富的结果。大多数基于学习的方法使用结构相似性损失、强度重构损失和梯度幅值项的组合进行训练。然而，将梯度折叠为其幅值会消除方向信息，导致监督模糊不清和边缘保真度次优。我们引入一种方向感知、多尺度梯度损失，分别监督水平和垂直分量，并在尺度间保留其符号。这种轴向、符号保持的目标在细节和粗糙分辨率上提供清晰的方向指导，促进更锐利、更对齐的边缘和更丰富的纹理保留，而无需更改模型架构或训练协议。在开源模型和多个公共基准测试中实验，我们展示了该方法的有效性。
引用
@article{arxiv.2510.13067,
title = {Direction-aware multi-scale gradient loss for infrared and visible image fusion},
author = {Kaixuan Yang and Wei Xiang and Zhenshuai Chen and Tong Jin and Yunpeng Liu},
journal= {arXiv preprint arXiv:2510.13067},
year = {2025}
}