Image Fusion

UHD-MFF: Shattering Barriers in Multi-Focus Ultra-High-Definition Image Fusion via Learnable Lookup Tables

UHD-MFF：通过可学习查找表打破多焦点超高清图像融合的障碍

Yibing Zhang, Xunpeng Yi, Qinglong Yan, Yeda Wang, Han Xu, Jiayi Ma

机构 * Electronic Information School, Wuhan University（武汉大学电子信息学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） ； School of Automation, Southeast University（东南大学自动化学院） 纠错

专题命中 Image Fusion ：image fusion(title,abstract)

AI总结 针对超高清多焦点图像融合中的数据、模型和部署三大障碍，提出首个大规模超高清数据集UHD-MFF和基于可学习查找表的UMF-LUT框架，实现实时4K融合。

Comments Accepted by ECCV 2026

Fusion or Confusion? Assessing the impact of visible-thermal image fusion for automated wildlife detection

融合还是混淆？评估可见光-热成像融合对自动化野生动物检测的影响

Camille Dionne-Pierre, Samuel Foucher, Jérôme Théau, Jérôme Lemaître, Patrick Charbonneau, Maxime Brousseau, Mathieu Varin

机构 * Department of Applied Geomatics, Université de Sherbrooke（舍布鲁克大学应用地理信息学系） ； Quebec Centre for Biodiversity Science, McGill University（麦吉尔大学魁北克生物多样性科学中心） ； Ministère de l’Environnement, de la Lutte contre les Changements Climatiques, de la Faune et des Parcs (MELCCFP)（魁北克省环境、气候变化、野生动物和公园部） ； Centre d'enseignement et de recherche en foresterie de Sainte-Foy（圣福瓦林业教学与研究中心） 纠错

专题命中 Image Fusion ：image fusion(title)

AI总结 本文通过大蓝鹭案例研究，评估了可见光与热红外图像融合对自动化野生动物检测的效果，发现融合方法提升了F1分数，但受限于热成像视角和对齐约束。

Comments 19 pages, 9 figures, submitted to Remote Sensing in Ecology and Conservation