DSPFusion：基于退化与语义双先验指导的图像融合
计算机视觉与模式识别
2025-04-01 v1
摘要
现有图像融合方法针对高品质图像设计，难以处理在恶劣条件下捕获的退化图像，限制了其实际应用潜力。本文提出了一种\textbf{D}egradation and \textbf{S}emantic \textbf{P}rior dual-guided framework for degraded image \textbf{F}usion(\textbf{DSPFusion})，利用退化先验和通过扩散模型恢复的高质量场景语义先验，指导信息恢复与融合于统一模型中。在具体方面，首先分别提取各模态特有的退化先验，同时捕获综合的低质量语义先验。随后，开发了一个扩散模型，在紧凑的潜在空间中迭代恢复高质量语义先验，使其比主流基于扩散模型的图像融合方案快过。最后，利用退化先验和高质量语义先验，通过双先验指导和先验导向融合模块指导信息增强与聚合。广泛的实验表明，DSPFusion在减轻典型退化的同时，集成了最小计算成本的互补上下文，大幅拓宽了图像融合的应用范围。
引用
@article{arxiv.2503.23355,
title = {DSPFusion: Image Fusion via Degradation and Semantic Dual-Prior Guidance},
author = {Linfeng Tang and Chunyu Li and Guoqing Wang and Yixuan Yuan and Jiayi Ma},
journal= {arXiv preprint arXiv:2503.23355},
year = {2025}
}