多模态信息融合

Deep Convolutional Sparse Coding Network for Pansharpening with Guidance of Side Information

Shuang Xu, Jiangshe Zhang, Kai Sun, Zixiang Zhao, Lu Huang, Junmin Liu, Chunxia Zhang

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV、eess.IV

Comments Accepted by ICME2021

Deep Gradient Projection Networks for Pan-sharpening

Shuang Xu, Jiangshe Zhang, Zixiang Zhao, Kai Sun, Junmin Liu, Chunxia Zhang

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV、eess.IV

Comments Accepted by CVPR2021

Learning deep multiresolution representations for pansharpening

Hannan Adeel, Syed Sohaib Ali, Muhammad Mohsin Riaz, Syed Abdul Mannan Kirmani, Muhammad Imran Qureshi, Junaid Imtiaz

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV、eess.IV

Unsupervised Pansharpening Based on Self-Attention Mechanism

Ying Qu, Razieh Kaviani Baghbaderani, Hairong Qi, Chiman Kwan

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV、eess.IV

Comments Accepted by TGRS

An Inter- and Intra-Band Loss for Pansharpening Convolutional Neural Networks

Jiajun Cai, Bo Huang

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV、eess.IV

Comments 4 pages, 2 figures

Multispectral Pan-sharpening via Dual-Channel Convolutional Network with Convolutional LSTM Based Hierarchical Spatial-Spectral Feature Fusion

Dong Wang, Yunpeng Bai, Ying Li

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 eess.IV、cs.MM

S3: A Spectral-Spatial Structure Loss for Pan-Sharpening Networks

Jae-Seok Choi, Yongwoo Kim, Munchurl Kim

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV、eess.IV

Comments Accepted for publication in IEEE Geoscience and Remote Sensing Letters

Machine Learning Information Fusion in Earth Observation: A Comprehensive Review of Methods, Applications and Data Sources

S. Salcedo-Sanz, P. Ghamisi, M. Piles, M. Werner, L. Cuadra, A. Moreno-Martínez, E. Izquierdo-Verdiguier, J. Muñoz-Marí, Amirhosein Mosavi, G. Camps-Valls

专题命中 遥感融合与全色锐化 ：information fusion(title,abstract)；分类 cs.CV

Journal ref Information Fusion, Volume 63, November 2020, Pages 256-272

G-ZAP: A Generalizable Zero-Shot Framework for Arbitrary-Scale Pansharpening

G-ZAP：一种通用的零样本框架用于任意尺度的全色融合

Zhiqi Yang, Shan Yin, Jingze Liang, Liang-Jian Deng

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出G-ZAP框架，通过多尺度半监督训练方案实现跨分辨率、跨场景和跨传感器的泛化能力，在多个真实世界数据集上取得SOTA结果，支持权重重用以提高实际部署效率。

GSPan: A Continuous Gaussian Primitive Representation for Arbitrary-Scale Pansharpening

GSPan：一种用于任意尺度全色锐化的连续高斯基元表示

Fangyi Li, Xiaoyuan Yang, Yixiao Li, Zongyang Sui, Kangqing Shen, Gemine Vivone

机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； National Research Council - Institute of Methodologies for Environmental Analysis, CNR-IMAA（意大利国家研究委员会 - 环境分析方法研究所） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 提出GSPan框架，将2D高斯溅射引入全色锐化，通过连续可学习的2D高斯基元表示残差细节，实现任意尺度融合，无需重新训练。

DMAConv: Dual Mask-Adaptive Convolution for Remote Sensing Pansharpening

DMAConv: 用于遥感全色锐化的双掩膜自适应卷积

Xianghong Xiao, Zeyu Xia, Zhou Fei, Jinliang Xiao, Haorui Chen, Liangjian Deng

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Tongji University（同济大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 提出双掩膜自适应卷积（DMAConv），通过软硬掩膜动态分配计算资源，以轻量级双分支结构高效处理遥感图像的区域异质性，实现SOTA性能且计算成本最低。

UrbanFusion: Stochastic Multimodal Fusion for Contrastive Learning of Robust Spatial Representations

UrbanFusion: 用于鲁棒空间表示对比学习的随机多模态融合

Dominik J. Mühlematter, Lin Che, Ye Hong, Martin Raubal, Nina Wiedemann

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 遥感融合与全色锐化 ：multimodal fusion(title,abstract)；分类 cs.CV

AI总结 提出UrbanFusion模型，通过随机多模态融合（SMF）和Transformer模块整合街景、遥感、地图和POI数据，在56个城市41项任务中优于现有GeoAI模型。

Journal ref International Conference on Machine Learning (ICML), 2026

Fast Kernel-Space Diffusion for Remote Sensing Pansharpening

快速核空间扩散用于遥感全色锐化

Hancong Jin, Zihan Cao, Liang-jian Deng, Jingjing Li

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出KSDiff框架，通过整合低秩核心张量生成器和统一因子生成器，利用结构感知的多头注意力机制生成增强全局上下文的卷积核，以提升全色锐化质量并加速推理，实验表明其在性能和效率上均优于现有方法。

Comments CVPR 2026 Findings

CC-Pan: Channel-wise Compression based Diffusion for Efficient Pan-Sharpening

CC-Pan: 基于通道压缩的扩散模型用于高效全色锐化

Junjie Li, Congyang Ou, Haokui Zhang, Guoting Wei, Shengqin Jiang, Ying Li

机构 * School of Cyberspace Security, Northwestern Polytechnical University（网络安全学院，西北工业大学） ； Nanjing University of Science and Technology（南京理工大学） ； School of Computer Science, Nanjing University of Information Science and Technology（计算机科学学院，南京信息工程大学） 纠错

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV

AI总结 本文提出CC-Pan，一种跨传感器潜在扩散框架，通过带级单通道变分自编码器编码高分辨率多谱段图像，结合轻量级区域基于跨带注意力模块，提升全色锐化精度与效率。

CGFformer: Cluster-Guidance Frequency Transformer for Pansharpening

CGFformer：用于全色锐化中的簇引导频率变换器

Zijian Zhou, Jianing Zhang, Kai Sun, Xiangyu Zhao, Chunxia Zhang, Xiangyong Cao

机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学学院） ； 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） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 CGFformer通过簇引导频率变换器解决全色锐化中频率分布和频率-空间交互问题，采用自适应分离模块和双流精炼模块提升去噪效果，实验表明其在多个基准数据集上表现优异。

Comments 35 pages, 12 pages

Multigrain-aware Semantic Prototype Scanning and Tri-Token Prompt Learning Embraced High-Order RWKV for Pan-Sharpening

多粒度感知语义原型扫描与三token提示学习融合高阶RWKV用于全分辨率融合

Junfeng Li, Wenyang Zhou, Xueheng Li, Xuanhua He, Jianhou Gan, Wenqi Ren

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Yunnan Normal University, Ministry of Education（云南师范大学教育部） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港理工大学） ； MoE Key Laboratory of Information Technology（教育部信息科学技术重点实验室） 纠错

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV

AI总结 本文提出基于高阶RWKV架构和三token提示机制的多粒度感知语义原型扫描方法，通过语义驱动扫描策略、三token提示学习和可逆Q-Shift操作提升全分辨率融合性能。

Euler-inspired Decoupling Neural Operator for Efficient Pansharpening

受欧拉启发的解耦神经算子用于高效全色增强

Anqi Zhu, Mengting Ma, Yizhen Jiang, Xiangdong Li, Kai Zheng, Jiaxin Li, Wei Zhang

机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； School of Computer Science and Technology , Chongqing University of Post and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出EDNO框架，通过欧拉公式将特征转换为极坐标系统，实现显式-隐式交互机制，提升全色增强的效率与性能平衡。

CoFusion: Multispectral and Hyperspectral Image Fusion via Spectral Coordinate Attention

CoFusion：通过光谱坐标注意力实现多谱段和超谱图像融合

Baisong Li

机构 * School of Integrated Circuits, Tsinghua University, Beijing 100084, China（集成电路学院，清华大学，北京100084，中国） 纠错

专题命中 遥感融合与全色锐化 ：image fusion(title,abstract)；分类 cs.CV

AI总结 本文提出CoFusion框架，通过建模跨尺度和跨模态依赖，提升多谱段和超谱图像融合的空谱协同效果，实现空谱细节增强与光谱保真度的平衡。

Fast Model-guided Instance-wise Adaptation Framework for Real-world Pansharpening with Fidelity Constraints

快速模型引导的实例级适应框架用于具有保真度约束的现实世界全色增强

Zhiqi Yang, Jin-Liang Xiao, Shan Yin, Liang-Jian Deng, Gemine Vivone

机构 * University of Electronic Science and Technology of China（电子科技大学） ； National Research Council, Institute of Methodologies for Environmental Analysis (CNR-IMAA)（国家研究委员会，环境分析方法研究所（CNR-IMAA）） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出FMG-Pan框架，通过联合优化光谱和物理保真度约束，实现快速训练和推理，提升全色增强的跨传感器泛化能力与实时性。

S2WMamba: A Wavelet-Assisted Mamba-Based Dual-Branch Network For Pansharpening

S2WMamba：一种基于小波的Mamba双分支网络用于全色合成

Haoyu Zhang, Junhan Luo, Yugang Cao, Jie Huang, Liangjian-Deng

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出S2WMamba网络，通过小波变换分离模态特定频率信息，改进全色合成中的空间细节与光谱保真度的处理，实验表明其在PSNR和HQNR指标上优于现有方法。

PAKAN: Pixel Adaptive Kolmogorov-Arnold Network Modules for Pansharpening

PAKAN：用于全色增强的像素自适应Kolmogorov-Arnold网络模块

Haoyu Zhang, Haojing Chen, Zhen Zhong, Liangjian Deng

机构 * University of Electronic Science and Technology of China（电子科学与技术大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出PAKAN框架，通过2D和1D自适应KAN模块提升全色增强性能，实验表明像素自适应激活在空间-光谱融合中有效。

Comments 16 pages,5 figures,4 tables

Pansharpening for Thin-Cloud Contaminated Remote Sensing Images: A Unified Framework and Benchmark Dataset

针对薄云污染的遥感图像全色增强：一个统一框架和基准数据集

Songcheng Du, Yang Zou, Jiaxin Li, Mingxuan Liu, Ying Li, Changjing Shang, Qiang Shen

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出统一全色增强模型与薄云去除框架，通过频率解耦恢复模块和交互频域一致性模块提升图像恢复性能，并构建首个真实世界薄云污染数据集，验证了方法在实际大气退化下的优越性。

Comments 11 pages,5 figures,published in AAAI2026

Cross-Scale Pansharpening via ScaleFormer and the PanScale Benchmark

跨尺度 pansharpening 通过 ScaleFormer 和 PanScale 数据集

Ke Cao, Xuanhua He, Xueheng Li, Lingting Zhu, Yingying Wang, Ao Ma, Zhanjie Zhang, Man Zhou, Chengjun Xie, Jie Zhang

机构 * HFIPS, Chinese Academy of Sciences（中国科学院HFIPS） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； Xiamen University（厦门大学） ； Zhejiang University（浙江大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 本文提出 ScaleFormer 架构和 PanScale 数据集，通过跨尺度 pansharpening 方法提升多尺度场景下的图像融合质量与泛化能力。

Comments Accepted by CVPR 2026

AdaptOVCD: Training-Free Open-Vocabulary Remote Sensing Change Detection via Adaptive Information Fusion

AdaptOVCD: 无需训练的开放词汇遥感变化检测 via 自适应信息融合

Mingyu Dou, Shi Qiu, Ming Hu, Yifan Chen, Huping Ye, Xiaohan Liao, Zhe Sun

机构 * Key Laboratory of Spectral Imaging Technology CAS, Xi'an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences (CAS)（光谱成像技术重点实验室、光学与精密机械研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, CAS（资源与环境信息系统国家重点实验室、地理科学与自然资源研究所、中国科学院） ； Key Laboratory of Low Altitude Geographic Information and Air Route, CAAC（低空地理信息与航线重点实验室、民航局） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（人工智能、光学与电子学院（iOPEN），西北工业大学） 纠错

专题命中 遥感融合与全色锐化 ：information fusion(title,abstract)；分类 cs.CV

AI总结 AdaptOVCD通过自适应信息融合实现无需训练的开放词汇遥感变化检测，有效缓解误差传播并提升检测性能。

MMMamba: A Versatile Cross-Modal In Context Fusion Framework for Pan-Sharpening and Zero-Shot Image Enhancement

MMMamba: 一种多功能跨模态在上下文融合框架用于全色锐化和零样本图像增强

Yingying Wang, Xuanhua He, Chen Wu, Jialing Huang, Suiyun Zhang, Rui Liu, Xinghao Ding, Haoxuan Che

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV

AI总结 MMMamba通过跨模态在上下文融合框架实现全色锐化和零样本图像增强，结合Mamba架构和多模态交错扫描机制，提升跨模态交互能力与计算效率。

Comments \link{Code}{https://github.com/Gracewangyy/MMMamba}

Pan-LUT: Efficient Pan-sharpening via Learnable Look-Up Tables

Pan-LUT：通过可学习的查找表实现高效的全景锐化

Zhongnan Cai, Yingying Wang, Hui Zheng, Panwang Pan, ZiXu Lin, Ge Meng, Chenxin Li, Chunming He, Jiaxin Xie, Yunlong Lin, Junbin Lu, Yue Huang, Xinghao Ding

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； ByteDance（字节跳动） ； The Chinese University of Hong Kong（香港中文大学） ； Duke University（杜克大学） ； University of Washington（华盛顿大学） 纠错

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV

AI总结 Pan-LUT通过可学习的查找表实现高效全景锐化，适用于大遥感图像，兼具高性能与低计算开销。

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 遥感融合与全色锐化 ：image fusion(title,abstract)；分类 cs.CV

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。

Training and Inference within 1 Second -- Tackle Cross-Sensor Degradation of Real-World Pansharpening with Efficient Residual Feature Tailoring

在1秒内训练和推理——通过高效残差特征定制应对现实世界 pansharpening 的跨传感器退化

Tianyu Xin, Jin-Liang Xiao, Zeyu Xia, Shan Yin, Liang-Jian Deng

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 通过高效残差特征定制方法，在1秒内实现跨传感器退化处理的高效训练和推理。

Rethinking Pan-sharpening: A New Training Process for Full-Resolution Generalization

Ran Zhang, Xuanhua He, Li Xueheng, Ke Cao, Liu Liu, Wenbo Xu, Fang Jiabin, Yang Qize, Jie Zhang

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） ； Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） 纠错

专题命中 遥感融合与全色锐化 ：pan-sharpening(title,abstract)；分类 cs.CV

Enpowering Your Pansharpening Models with Generalizability: Unified Distribution is All You Need

Yongchuan Cui, Peng Liu, Hui Zhang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； School of Engineering Medicine, Beihang University（北航工程医学学院） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

Comments Accepted to ICCV 2025