MAUGIF：基于双跨图像自编码器的机制感知无监督通用图像融合
计算机视觉与模式识别
2025-11-14 v3
摘要
图像融合旨在整合多源图像的结构信息和互补信息。然而，现有的融合方法往往要么高度特定于任务，要么是在不同任务中应用统一策略的通用框架，忽略了它们不同的融合机制。为了解决这个问题，我们提出了一种基于双跨图像自编码器的机制感知无监督通用图像融合 (MAUGIF) 方法。首先，我们根据不同融合任务的内在机制引入了加性融合和乘性融合的分类。然后，双编码器将源图像映射到共享的潜在空间，在捕获共同内容的同时隔离特定于模态的细节。在解码阶段，双解码器作为特征注入器，选择性地将每种模态的独特特征重新整合到共享内容中以进行重建。在融合过程中，特定于模态的特征被注入到源图像中，生成融合了两种模态信息的融合图像。解码器的架构根据其融合机制而变化，从而增强了性能和可解释性。我们在多种融合任务上进行了大量实验，以验证我们方法的有效性和泛化能力。代码可在 https://anonymous.4open.science/r/MAUGIF 获取。
引用
@article{arxiv.2511.08272,
title = {MAUGIF: Mechanism-Aware Unsupervised General Image Fusion via Dual Cross-Image Autoencoders},
author = {Kunjing Yang and Zhiwei Wang and Minru Bai},
journal= {arXiv preprint arXiv:2511.08272},
year = {2025}
}