Dream-IF: 图像融合的动态相对增强
计算机视觉与模式识别
2025-11-26 v2
摘要
图像融合旨在整合来自多源采集的图像中的全面信息。然而，由不同传感器捕获的图像常常遭遇各种退化，从而对融合质量产生负面影响。传统融合方法通常将图像增强和融合视为独立过程，忽略了二者之间的内在关联；值得注意的是，融合图像中某一模态的主导区域往往指示另一模态可能受益于增强的区域。受此观察启发，我们引入了图像增强中主导区域的概念，并提出了一种用于图像融合的动态相对增强框架(Dream-IF)。该框架量化了各模态在不同层中的相对主导性，并利用这些信息来促进跨模态相互增强。通过融合来自图像融合的相对主导性信息，我们的方法不仅支持图像恢复，还支持更广泛的图像增强应用。此外，我们采用基于提示的编码来捕获退化特定细节，动态引导恢复过程，并在多模态图像融合和图像增强场景中促进协调增强。大量实验结果表明Dream-IF持续优于其对应方法。代码公开可获取。
引用
@article{arxiv.2503.10109,
title = {Dream-IF: Dynamic Relative EnhAnceMent for Image Fusion},
author = {Xingxin Xu and Bing Cao and Dongdong Li and Qinghua Hu and Pengfei Zhu},
journal= {arXiv preprint arXiv:2503.10109},
year = {2025}
}