视觉与机器人
围绕 image fusion 的图像融合方法、数据集、评测与应用。
NTIRE 2026 第三次恢复任何图像模型（RAIM）挑战：动态场景中的多曝光图像融合（Track 2）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出NTIRE 2026挑战，针对动态场景中多曝光图像融合的HDR成像难题，提供包含100训练序列和100测试序列的基准数据集，评估PSNR、SSIM、LPIPS等指标及感知质量，最终由114支队伍提交987份方案，提升去噪和细节恢复能力。
Comments Accepted by CVPRW 2026
定制融合：一种闭环动态网络用于自适应多任务感知红外-可见图像融合
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出闭环动态网络CLDyN，通过需求驱动语义补偿模块实现多任务自适应的图像融合，实验表明其在保持高质量融合的同时具备强多任务适应性。
Comments This paper has been accepted by CVPR 2026
抗退化融合：一种高效的抗退化扩散框架，用于任意退化场景下的多模态图像融合
机构 * Department of Biomedical Engineering, Hefei University of Technology（合肥工业大学生物医学工程系） ； Faculty of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出一种高效的抗退化扩散框架，用于处理多模态图像融合中的复杂退化场景。该框架通过隐式去噪和联合观测模型校正机制，提升了在复杂退化下的融合性能。
Comments Accepted by CVPR 2026
ASSR-Net：一种用于超分辨率图像融合的各向异性结构感知与频谱重校准网络
机构 * School of Information Science and Engineering, Hunan Normal University（湖南师范大学信息科学与工程学院） ； School of Robotics, Hunan University（湖南大学机器人学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 ASSR-Net通过两阶段融合策略，解决超分辨率图像融合中各向异性结构重建不足和频谱失真问题，提升空间细节和频谱一致性。
EvaNet：迈向更高效且一致的红外与可见图像融合评估
机构 * Jiangnan University（江南大学） ； University of Surrey（萨里大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出EvaNet框架，通过轻量网络高效近似常用指标，结合对比学习和大语言模型感知评估，实现更一致的图像融合评估。
Comments 20 figures,accepted by TPAMI
通过梯度对齐交替学习实现表-图像融合
机构 * Nanjing University of Science and Technology（南京理工大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出GAAL方法，通过对齐模态梯度解决多模态表-图像融合中的梯度冲突问题，提升融合性能。
Comments ICME 26
一种考虑亮度的多尺度网络用于极化图像融合与多场景数据集
机构 * Guangdong-HongKong-Macao Joint Laboratory for Intelligent Micro-Nano Optoelectronic Technology, School of Physics and Optoelectronic Engineering, Foshan University（广东-香港-澳门智能微纳光电子技术联合实验室，物理与光电工程学院，佛山大学） ； State Key Laboratory of Dynamic Measurement Technology, North University of China（动态测试技术国家重点实验室，中北大学） ； School of Information Engineering and Automation, Kunming University of Science and Technology（信息工程与自动化学院，昆明理工大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出考虑亮度的多尺度网络，通过多尺度空间权重矩阵和全局-局部特征融合机制，提升极化图像融合在复杂光照环境下的性能，使用多场景数据集验证了方法的优越性。
不再缺失：字典引导的跨模态图像融合在红外缺失情况下的应用
机构 * Faculty of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； Department of Biomedical Engineering, Hefei University of Technology（合肥工业大学生物医学工程系）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出了一种基于共享卷积字典的字典引导框架，解决红外缺失时的跨模态图像融合问题，通过联合字典学习、视觉引导红外推断和自适应融合方法提升感知质量和下游检测性能。
Comments This paper has been accepted by CVPR 2026
AMIF：具有内置认证的可授权医学图像融合模型
机构 * Macao Polytechnic University（澳门理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Hefei University of Technology（合肥工业大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出AMIF，首个具有内置认证的医学图像融合模型，通过授权访问控制保护知识产权，防止推理泄露。
多模态图像融合 via 干预稳定的特征学习
机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院） ； School of Artificial Intelligence, Nanyang Normal University（南阳师范学院人工智能学院） ； Department of Electrical and Electronic Engineering, Hong Kong Polytechnic University（香港理工大学电子与电气工程系）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出基于因果原则的干预框架，通过三种干预策略探索模态关系，设计因果特征整合器捕捉稳健的模态依赖而非虚假关联。
Comments Accpted by CVPR 2026
超越严格配对：用于高性能红外和可见图像融合的任意配对训练
机构 * School of Artificial Intelligence and Computer Science, Jiangnan University（江南大学人工智能与计算机科学学院） ； Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（Surrey 大学视觉、语音和信号处理中心）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文挑战严格配对训练范式，提出任意配对训练范式，通过丰富跨模态关系提升红外和可见图像融合性能，实验证明其在数据有限情况下可达到与大规模数据集相当的性能。
Comments Accepted by CVPR2026
ReDiffuse：用于多焦点图像融合的旋转等价扩散模型
机构 * School of Computer Science and Technology, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院） ； School of Information Engineering, Chang'an University（长安大学信息工程学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出ReDiffuse模型，通过在扩散网络中嵌入旋转等价性，解决多焦点图像融合中因模糊导致的结构失真问题，提升融合图像的结构一致性。
Comments 10 pages, 9 figures
多视角3D材质重建的内在图像融合
机构 * Technical University of Munich（慕尼黑技术大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出内在图像融合方法，通过多视角图像重建高质量物理材质。引入单视角先验约束优化过程，利用扩散基材质估计器生成多个不一致候选分解，并通过鲁棒优化框架融合最一致的预测，最终优化低维参数，提升材质分离质量。
Comments Project page: https://peter-kocsis.github.io/IntrinsicImageFusion/ Video: https://www.youtube.com/watch?v=-Vs3tR1Xl7k
SGDFuse: 基于SAM的扩散模型用于高保真红外与可见图像融合
机构 * School of Computer Science（计算机科学学院） ； Business University, Yantai, China（烟台商学院） ； College of Computer and Data Science（计算机与数据科学学院） ； Fuzhou University, Fuzhou, China（福州大学） ； School of Computing and Mathematical Sciences（计算与数学科学学院） ； University of Leicester, Leicester, United Kingdom（莱斯特大学） ； School of Computing and Artificial Intelligence（计算与人工智能学院） ； Director of the Rapid-Rich Object Search Laboratory（快速丰富对象搜索实验室主任） ； NTU-PKU Joint Research Institute, Nanyang Technological University, Singapore（NTU-PKU联合研究机构，新加坡国立大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出SGDFuse，通过结合SAM的高阶语义先验与扩散模型的高保真生成能力，解决红外与可见图像融合中的语义盲问题，提升图像质量和下游任务性能。
Comments Published in Information Fusion
Journal ref Information Fusion, 2026: 104290
双曲循环对齐用于红外-可见图像融合
机构 * College of Intelligence and Computing（智能与计算学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出基于双曲空间的双曲循环对齐网络，通过双路径交叉模态循环对齐框架和双曲层次对比对齐模块，实现更有效的多模态图像对齐与融合。
UniFusion：一种具有鲁棒表示和源感知保留的统一图像融合框架
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 UniFusion通过统一框架实现跨任务泛化，利用DINOv3提取模态一致特征，引入重建对齐损失保持源信息一致性，并采用双层优化策略平衡重建与融合目标，提升融合质量与泛化能力。
Comments 11 pages, 8 figures, published to CVPR2026
全天候多模态图像融合：统一框架与10万基准
机构 * Guangdong-HongKong-Macao Joint Laboratory for Intelligent MicroNano Optoelectronic Technology（粤港澳联合智能微纳光电子技术实验室） ； School of Physics and Optoelectronic Engineering, Foshan University（佛山大学物理与光电工程学院） ； Guangdong Provincial Key Laboratory of Industrial Intelligent Inspection Technology（广东省工业智能检测技术重点实验室） ； School of Instrumentation and Optoelectronic Engineering, Beihang University（北京航空航天大学仪器与光电工程学院） ； School of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； School of Artificial Intelligence, Optics and Electronics (i0PEN), School of Computer Science, Northwestern Polytechnical University（人工智能、光学与电子学院（i0PEN），西北工业大学计算机学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出统一的全天候多模态图像融合框架，通过联合特征融合与恢复提升关键场景信息表征，构建10万张图像对的多模态数据集，实验证明在真实和合成场景中图像融合及下游任务表现优异。
基于神经动力学的耦合神经P系统用于多焦点图像融合
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China（教育部智能网络与网络安全重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； Chang’an University（长安大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出基于神经动力学的耦合神经P系统，通过分析神经动力学约束生成高质量决策图，提升多焦点图像融合的准确性。
Comments Accepted by CVPR2026
重新思考少样本图像融合：粒度球先验使通用深度融合成为可能
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出粒度球先验方法，通过自适应损失函数实现少样本图像融合，提升融合质量和模型效率。
TriFusion-SR：联合三模态医学图像融合与超分辨率
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 TriFusion-SR通过联合三模态医学图像融合与超分辨率技术，利用小波引导的条件扩散框架实现频率感知的跨模态交互，提升图像质量和分辨率。
FusionRegister: 每个红外和可见图像融合都应进行配准
机构 * School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, China（江南大学人工智能与计算机科学学院） ； School of Electronic and Information Engineering, Suzhou University of Science and Technology, Suzhou, China（苏州科技大学电子与信息工程学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 FusionRegister 通过视觉先验引导的通用跨模态配准方法，提升红外与可见图像融合的鲁棒性与效率。
跨图像像素洗牌用于多焦点图像融合
机构 * College of Computer Science and Technology, Huaqiao University（华交大学计算机科学与技术学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出IPS方法，通过像素洗牌实现多焦点图像融合，无需实际多焦点图像即可学习融合过程，提升融合质量。
Fuse4Seg: 多模态医学分割的图像融合 via 两级优化
机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 Fuse4Seg通过两级优化实现多模态医学图像融合，解决视觉与语义间的差距问题，提升分割任务的准确性和临床可解释性。
将人类评估与红外与可见图像融合相结合
机构 * School of Mechanical Engineering, Dalian University of Technology（大连理工大学机械工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Software Technology & DUT-RU International School of ISE, Dalian University of Technology（大连理工大学软件学院） ； College of Information Science and Technology, Dalian Maritime University（大连海事大学信息科学与技术学院）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出了一种反馈强化框架，通过引入大规模人类反馈数据集和领域特定奖励函数，提升红外与可见图像融合的感知质量，使其更符合人类审美。
CAWM-Mamba：一种用于红外可见图像融合和复合恶劣天气恢复的统一模型
机构 * School of Physics（物理学院） ； Optoelectronic Engineering, Foshan University, Foshan 528225, China（光学电子工程学院，佛山大学，佛山528225，中国） ； Guangdong-HongKong-Macao Joint Laboratory for Intelligent Micro-Nano Optoelectronic Technology, Foshan 528225, China（粤港澳联合智能微纳光电子技术实验室，佛山528225，中国） ； School of Mechanical Electronic（机械电子学院） ； Information Engineering, China University of Mining and Technology, Beijing 100083, China（信息工程学院，中国矿业大学，北京100083，中国）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 CAWM-Mamba提出了一种统一模型，用于红外可见图像融合和复合恶劣天气恢复，通过三个关键模块提升多退化场景下的性能。
Shuffle Mamba：基于随机洗牌的态空间模型用于多模态图像融合
机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Intelligent Machines（智能机器研究所） ； Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） ； Intelligent Agriculture Engineering Laboratory of Anhui Province, Institute of Intelligent Machines（安徽省智能农业工程实验室，智能机器研究所）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 Shuffle Mamba通过引入随机洗牌策略和逆洗牌，解决多模态图像融合中固定扫描策略带来的偏见问题，提升融合质量。
Comments Accepted by IEEE Transactions on Circuits and Systems for Video Technology
混合融合：一分钟高效训练的零样本跨域图像融合
机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出一种混合融合框架，通过可学习的U-Net生成动态指导图，结合经典固定拉普拉斯金字塔融合内核，实现高效全分辨率训练，实现零样本跨域图像融合的高效与高性能。
W-DUALMINE：基于残差相关性保持的可靠性加权双专家融合用于医学图像融合
机构 * Department of Electrical and Electronic Engineering（电气与电子工程系）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 W-DUALMINE通过可靠性加权双专家融合策略，解决医学图像融合中全局相关性与局部结构保真的权衡问题，提升融合效果。
交互式空间-频率融合Mamba用于多模态图像融合
机构 * School of Future Technology, Dalian University of Technology and the Key Laboratory of Data Science and Smart Education (Hainan Normal University), Ministry of Education（未来技术学院，大连理工大学和数据科学与智能教育关键实验室（海南师范大学），教育部） ； Affiliated Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology（计算机科学与人工智能学院，武汉理工大学） ； Central Hospital of Dalian University of Technology（大连理工大学中心医院） ； School of Information and Communication Engineering, Dalian University of Technology（信息与通信工程学院，大连理工大学）
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出交互式空间-频率融合Mamba框架，通过多尺度频率融合和交互式融合提升多模态图像融合性能。
Comments This work is accepted by IEEE Transactions on Image Processing. More modifications may be performed
多光谱图像融合与光谱波段及融合尺度无关性
机构 * University of Electronic Science and Technology of China, School of Mathematical Sciences, Chengdu, China（电子科技大学数学学院） ； University of Electronic Science and Technology of China, Multi-Hazard Early Warning Key Laboratory of Sichuan Province, Chengdu, China（电子科技大学四川省多灾种早期预警重点实验室） ； University of Electronic Science and Technology of China, School of Computer Science and Engineering (School of Cyber Security), Chengdu, China（电子科技大学计算机科学与工程学院（网络安全学院））
专题命中 Image Fusion ：image fusion(title,abstract)
AI总结 本文提出SSA框架，通过Matryoshka核和隐式神经表示实现光谱波段和融合尺度无关性，使单个模型能适应不同传感器和空间尺度，实现超光谱图像融合的高效泛化。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈