Image Fusion

Reversible Efficient Diffusion for Image Fusion

可逆高效扩散用于图像融合

Xingxin Xu, Bing Cao, DongDong Li, Qinghua Hu, Pengfei Zhu

机构 * School of New Media and Communication, Tianjin University（新媒体与传播学院，天津大学） ； School of Artificial Intelligence, Tianjin University（人工智能学院，天津大学） ； Low-Altitude Intelligence Laboratory, Xiong’an National Innovation Center（低空智能实验室，雄安国家创新中心） ； Xiong’an Guochuang Lantian Technology Co., Ltd.（雄安国创蓝天科技有限公司） ； National University of Defense Technology（国防科技大学） 纠错

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

AI总结 本文提出可逆高效扩散模型，通过显式监督提升图像融合的生成能力，解决传统扩散模型在融合任务中的细节损失问题。

RIS-FUSION: Rethinking Text-Driven Infrared and Visible Image Fusion from the Perspective of Referring Image Segmentation

RIS-FUSION: 重新思考基于文本的红外和可见图像融合：从指代图像分割的角度

Siju Ma, Changsiyu Gong, Xiaofeng Fan, Yong Ma, Chengjie Jiang

机构 * Central University of Finance and Economics（中央财经大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 RIS-FUSION通过联合优化融合与指代图像分割，提升基于文本的红外和可见图像融合性能，实现mIoU指标的显著提升。

Comments ICASSP 2026

CtrlFuse: Mask-Prompt Guided Controllable Infrared and Visible Image Fusion

CtrlFuse: 基于掩码提示的可控红外与可见图像融合

Yiming Sun, Yuan Ruan, Qinghua Hu, Pengfei Zhu

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

AI总结 CtrlFuse通过基于掩码提示的可控融合框架，实现红外与可见图像的交互式动态融合，提升任务性能与融合质量。

Comments 18 pages,22 figures,published to AAAI 2026

DIFF-MF: A Difference-Driven Channel-Spatial State Space Model for Multi-Modal Image Fusion

DIFF-MF: 一种基于差分驱动的通道-空间状态空间模型用于多模态图像融合

Yiming Sun, Zifan Ye, Qinghua Hu, Pengfei Zhu

机构 * School of Automation, Southeast University（东南大学自动化学院） ； Low-Altitude Intelligence Lab, Xiong’an National Innovation Center Technology Co., Ltd.（雄安国家创新中心技术有限公司低空智能实验室） ； Xiong’an Guochuang Lantian Technology Co., Ltd.（雄安国创蓝天科技有限公司） ； School of Artificial Intelligence, Tianjin University（天津大学人工智能学院） 纠错

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

AI总结 DIFF-MF通过差分驱动的通道-空间状态空间模型，有效整合多模态图像信息，提升融合图像的质量和显著性。

Entity-Guided Multi-Task Learning for Infrared and Visible Image Fusion

实体引导的多任务学习用于红外和可见图像融合

Wenyu Shao, Hongbo Liu, Yunchuan Ma, Ruili Wang

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

AI总结 EGMT通过实体引导的多任务学习方法，提升红外和可见图像融合的语义一致性与质量。

Comments Accepted by IEEE Transactions on Multimedia

Generative Multi-Focus Image Fusion

生成式多焦点图像融合

Xinzhe Xie, Buyu Guo, Bolin Li, Shuangyan He, Yanzhen Gu, Qingyan Jiang, Peiliang Li

机构 * State Key Laboratory of Ocean Sensing & Ocean College, Zhejiang University（海洋传感国家重点实验室与海洋学院，浙江大学） ； Donghai Laboratory（东海实验室） ； Hainan Institute, Zhejiang University（海南学院，浙江大学） ； Hainan Provincial Observatory of Ecological Environment and Fishery Resource in Yazhou Bay（三亚市生态环境与渔业资源省级观测站） 纠错

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

AI总结 本文提出GMFF框架，通过确定性融合和生成式修复两个阶段，实现高效多焦点图像融合，解决边缘伪影问题并提升实际应用性能。

Self-supervised Multiplex Consensus Mamba for General Image Fusion

自监督多乘共识Mamba用于通用图像融合

Yingying Wang, Rongjin Zhuang, Hui Zheng, Xuanhua He, Ke Cao, Xiaotong Tu, Xinghao Ding

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

AI总结 SMC-Mamba通过自监督多乘共识机制提升通用图像融合性能，有效整合多模态信息并优化下游任务表现。

Comments Accepted by AAAI 2026, 9 pages, 4 figures

Multi-Grained Text-Guided Image Fusion for Multi-Exposure and Multi-Focus Scenarios

多粒度文本引导图像融合用于多曝光和多聚焦场景

Mingwei Tang, Jiahao Nie, Guang Yang, Ziqing Cui, Jie Li

机构 * Xidian University（西安电子科技大学） ； Nanyang Technological University（新加坡国立大学） ； Xi’an University of Technology（西安理工大学） 纠错

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

AI总结 本文提出MTIF方法，通过多粒度文本描述和跨模态调节模块提升多曝光和多聚焦图像融合性能。

Comments Accepted to WACV 2026

Rethinking Normalization Strategies and Convolutional Kernels for Multimodal Image Fusion

重新思考归一化策略和卷积核在多模态图像融合中的作用

Dan He, Guofen Wang, Weisheng Li, Yucheng Shu, Wenbo Li, Lijian Yang, Yuping Huang, Feiyan Li

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Chongqing Normal University（重庆师范大学） 纠错

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

AI总结 本文提出了一种改进的UNet架构，通过混合实例和组归一化以及多路径自适应融合模块，提升多模态图像融合的性能和细节保留能力。

l0-Regularized Sparse Coding-based Interpretable Network for Multi-Modal Image Fusion

基于l0正则化稀疏编码的可解释网络用于多模态图像融合

Gargi Panda, Soumitra Kundu, Saumik Bhattacharya, Aurobinda Routray

机构 * Department of EE, IIT Kharagpur, India（印度IIT Kharagpur电子工程系） ； Rekhi Centre of Excellence for the Science of Happiness, IIT Kharagpur, India（印度IIT Kharagpur幸福科学卓越中心） ； Department of E&ECE, IIT Kharagpur, India（印度IIT Kharagpur电子工程与电子学系） 纠错

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

AI总结 本文提出基于l0正则化稀疏编码的可解释网络FNet，用于多模态图像融合，通过分离独特和共同特征提升融合质量并增强下游任务性能。

Comments Accetped by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Towards Unified Semantic and Controllable Image Fusion: A Diffusion Transformer Approach

迈向统一的语义和可控图像融合：一种扩散变换器方法

Jiayang Li, Chengjie Jiang, Junjun Jiang, Pengwei Liang, Jiayi Ma, Liqiang Nie

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Electronic Information School, Wuhan University（武汉大学电子信息学院） 纠错

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

AI总结 DiTFuse通过融合图像与自然语言指令，实现端到端、语义感知的图像融合，统一了多种融合任务并在多个基准测试中表现出色。

MMIF-AMIN: Adaptive Loss-Driven Multi-Scale Invertible Dense Network for Multimodal Medical Image Fusion

MMIF-AMIN: 适应性损失驱动的多尺度可逆密集网络用于多模态医学图像融合

Tao Luo, Weihua Xu

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

AI总结 MMIF-AMIN通过可逆密集网络和多尺度互补特征提取模块，实现多模态医学图像融合的高效融合与精准诊断。

Comments This manuscript is withdrawn to allow for substantial expansion and restructuring. Based on recent research progress, we plan to add Generalization experiment and reorganize the manuscript structure to improve readability and logical flow. Thank you for your understanding and support

PIF-Net: Ill-Posed Prior Guided Multispectral and Hyperspectral Image Fusion via Invertible Mamba and Fusion-Aware LoRA

PIF-Net：基于可逆Mamba和融合感知LoRA的多光谱与高光谱图像融合

Baisong Li, Xingwang Wang, Haixiao Xu

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

AI总结 PIF-Net通过可逆Mamba和融合感知LoRA模块，有效解决多光谱与高光谱图像融合中的病态问题，实现高质量图像恢复与高效模型性能。

Infrared and Visible Image Fusion with Language-Driven Loss in CLIP Embedding Space

红外与可见图像融合中的语言驱动损失在CLIP嵌入空间中

Yuhao Wang, Lingjuan Miao, Zhiqiang Zhou, Lei Zhang, Yajun Qiao

机构 * School of Automation\ Institute of Technology Beijing China ； School of Automation\ Institute of Technology 纠错

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

AI总结 本文提出一种基于语言驱动损失的IVIF方法，利用CLIP嵌入空间实现融合目标与输入图像模态的关系建模，提升融合性能。

Comments Accepted by ACM MM 2025

Dream-IF: Dynamic Relative EnhAnceMent for Image Fusion

Dream-IF: 动态相对增强用于图像融合

Xingxin Xu, Bing Cao, Dongdong Li, Qinghua Hu, Pengfei Zhu

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

AI总结 Dream-IF通过动态相对增强框架提升图像融合质量，结合主导区域信息实现多模态图像的协同增强。

One Latent Space to Rule All Degradations: Unifying Restoration Knowledge for Image Fusion

Haolong Ma, Hui Li, Chunyang Cheng, Zeyang Zhang, Xiaoqing Luo, Xiaoning Song, Xiao-Jun Wu

机构 * Jiangnan University（江南大学） ； Suzhou University of Science and Technology（苏州科技大学） 纠错

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

FusionFM: All-in-One Multi-Modal Image Fusion with Flow Matching

Huayi Zhu, Xiu Shu, Youqiang Xiong, Qiao Liu, Rui Chen, Di Yuan, Xiaojun Chang, Zhenyu He

机构 * Guangzhou Institute of Technology, Xidian University（广州理工大学） 纠错

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

MdaIF: Robust One-Stop Multi-Degradation-Aware Image Fusion with Language-Driven Semantics

Jing Li, Yifan Wang, Jiafeng Yan, Renlong Zhang, Bin Yang

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

Comments 10 pages, 7 figures. Accepted by AAAI 2026

Text-Guided Channel Perturbation and Pretrained Knowledge Integration for Unified Multi-Modality Image Fusion

Xilai Li, Xiaosong Li, Weijun Jiang

机构 * Xilai Li, Xiaosong Li, Weijun Jiang（作者） 纠错

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

Comments Accepted at AAAI 2026

MAUGIF: Mechanism-Aware Unsupervised General Image Fusion via Dual Cross-Image Autoencoders

Kunjing Yang, Zhiwei Wang, Minru Bai

机构 * School of Mathematics, Hunan University（湖南大学数学学院） ； College of Information Engineering, Zhejiang University of Technology（浙江工业大学信息工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） 纠错

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

Spatial-Frequency Enhanced Mamba for Multi-Modal Image Fusion

Hui Sun, Long Lv, Pingping Zhang, Tongdan Tang, Feng Tian, Weibing Sun, Huchuan Lu

机构 * School of Future Technology, School of Artificial Intelligence, Dalian University of Technology（大连理工大学未来技术学院、人工智能学院） ； Affiliated Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； 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（大连理工大学信息与通信工程学院） 纠错

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

Comments This work is accepted by IEEE Transactions on Image Processing. More modifications may be performed

Revisiting Generative Infrared and Visible Image Fusion Based on Human Cognitive Laws

Lin Guo, Xiaoqing Luo, Wei Xie, Zhancheng Zhang, Hui Li, Rui Wang, Zhenhua Feng, Xiaoning Song

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） 纠错

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

Comments NeurIPS 2025 spotlight

UMCFuse: A Unified Multiple Complex Scenes Infrared and Visible Image Fusion Framework

Xilai Li, Xiaosong Li, Tianshu Tan, Huafeng Li, Tao Ye

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-澳门联合智能微纳光电技术实验室，物理与光电工程学院，佛山大学） ； School of Engineering, Hong Kong University of Science and Technology（工程学院，香港科学与技术大学） ； 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） ； School of Mechanical Electronic and Information Engineering, China University of Mining and Technology（机械电子与信息工程学院，中国矿业大学） 纠错

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

Comments Published in IEEE-TIP 2025

ControlFusion: A Controllable Image Fusion Framework with Language-Vision Degradation Prompts

Linfeng Tang, Yeda Wang, Zhanchuan Cai, Junjun Jiang, Jiayi Ma

机构 * Electronic Information School, Wuhan University（武汉大学电子信息学院） ； School of Computer Science and Engineering, Macau University of Science and Technology（澳门科学技术大学计算机科学与工程学院） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） 纠错

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

Comments Accepted to NeurIPS 2025. The code is available at https://github.com/Linfeng-Tang/ControlFusion

Addressing the Depth-of-Field Constraint: A New Paradigm for High Resolution Multi-Focus Image Fusion

Luca Piano, Peng Huanwen, Radu Ciprian Bilcu

机构 * Huawei Technologies Oy (Finland) Company Ltd（华为技术有限公司（芬兰）） ； Politecnico di Torino（托斯托纳理工学院） 纠错

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

Bayesian Fully-Connected Tensor Network for Hyperspectral-Multispectral Image Fusion

Linsong Shan, Zecan Yang, Laurence T. Yang, Changlong Li, Honglu Zhao, Xin Nie

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机科学与人工智能学院） ； Department of Computer Science, St. Francis Xavier University（圣弗朗西斯大学计算机科学系） 纠错

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

Standardization for improved Spatio-Temporal Image Fusion

Harkaitz Goyena, Peter M. Atkinson, Unai Pérez-Goya, M. Dolores Ugarte

机构 * Department of Statistics, Computer Science and Mathematics（统计、计算机科学与数学系） ； Public University of Navarre（纳瓦拉公共大学） ； InaMat$^2$ Institute（InaMat²研究所） ； Lancaster Environment Centre（兰卡斯特环境中心） 纠错

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

Direction-aware multi-scale gradient loss for infrared and visible image fusion

Kaixuan Yang, Wei Xiang, Zhenshuai Chen, Tong Jin, Yunpeng Liu

机构 * Key Laboratory of Opto-Electronic Information Processing, Chinese Academy of Sciences（光电信息处理重点实验室，中国科学院） ； Shenyang Institute of Automation, Chinese Academy of Sciences（沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences, Chinese Academy of Sciences（中国科学院大学） 纠错

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

Coupled Degradation Modeling and Fusion: A VLM-Guided Degradation-Coupled Network for Degradation-Aware Infrared and Visible Image Fusion

Tianpei Zhang, Jufeng Zhao, Yiming Zhu, Guangmang Cui

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

SSVIF: Self-Supervised Segmentation-Oriented Visible and Infrared Image Fusion

Zixian Zhao, Xingchen Zhang

机构 * Fusion Intelligence Laboratory, Department of Computer Science, University of Exeter（融合智能实验室，计算机科学系，埃克塞特大学） 纠错

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