DRFusion：抗漂移时序一致的红外-可见视频融合

红外和可见视频融合对于实现动态场景的全方位感知至关重要。然而，保持时序一致性仍然是一个巨大的挑战。依赖光流的常规方法常因几何刚性和幽灵化学痕迹而受限。此外，标准扩散式融合模型通常以帧为单位运行；当扩展到自回归设置时，它们缺乏内在的时序约束，容易出现严重的误差累积和漂移，其中细微的痕迹会随时间放大。为解决这些限制，我们提出一种抗漂移视频融合方法，将任务重新表述为历史条件运动生成。我们引入稳定化历史引导和软时序锚定，将时序一致性重新定义为谱滤波，隐式地聚合运动动力学而无需刚性对齐。此外，我们的解耦结构-运动适应策略通过两阶段训练和潜在细化，将预训练先验与结构约束相连。大量实验表明，我们的方法在融合质量和时序稳定性方面均达到最先进的性能。