亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Text-DiFuse: An Interactive Multi-Modal Image Fusion Framework based on Text-modulated Diffusion Model

情态动词 计算机科学 融合 扩散 图像(数学) 图像融合 人工智能 计算机视觉 自然语言处理 物理 语言学 材料科学 哲学 热力学 高分子化学
作者
Hao Zhang,Lei Cao,Jiayi Ma
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2410.23905
摘要

Existing multi-modal image fusion methods fail to address the compound degradations presented in source images, resulting in fusion images plagued by noise, color bias, improper exposure, \textit{etc}. Additionally, these methods often overlook the specificity of foreground objects, weakening the salience of the objects of interest within the fused images. To address these challenges, this study proposes a novel interactive multi-modal image fusion framework based on the text-modulated diffusion model, called Text-DiFuse. First, this framework integrates feature-level information integration into the diffusion process, allowing adaptive degradation removal and multi-modal information fusion. This is the first attempt to deeply and explicitly embed information fusion within the diffusion process, effectively addressing compound degradation in image fusion. Second, by embedding the combination of the text and zero-shot location model into the diffusion fusion process, a text-controlled fusion re-modulation strategy is developed. This enables user-customized text control to improve fusion performance and highlight foreground objects in the fused images. Extensive experiments on diverse public datasets show that our Text-DiFuse achieves state-of-the-art fusion performance across various scenarios with complex degradation. Moreover, the semantic segmentation experiment validates the significant enhancement in semantic performance achieved by our text-controlled fusion re-modulation strategy. The code is publicly available at https://github.com/Leiii-Cao/Text-DiFuse.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Orange应助qianchang采纳,获得10
2秒前
5秒前
36秒前
qianchang发布了新的文献求助10
41秒前
zsmj23完成签到 ,获得积分0
1分钟前
1分钟前
1分钟前
qianchang发布了新的文献求助10
1分钟前
janice发布了新的文献求助10
1分钟前
1分钟前
可爱的函函应助janice采纳,获得10
1分钟前
1分钟前
janice完成签到,获得积分20
1分钟前
1分钟前
爱静静应助科研通管家采纳,获得10
1分钟前
爱静静应助科研通管家采纳,获得30
1分钟前
爱静静应助科研通管家采纳,获得10
1分钟前
爱静静应助科研通管家采纳,获得10
1分钟前
1分钟前
爱静静应助科研通管家采纳,获得30
1分钟前
爱静静应助科研通管家采纳,获得10
1分钟前
1分钟前
好好发布了新的文献求助10
2分钟前
薇伊发布了新的文献求助20
2分钟前
2分钟前
打打应助兰贵人采纳,获得10
2分钟前
田様应助wenwen0666采纳,获得20
2分钟前
3分钟前
wenwen0666发布了新的文献求助20
3分钟前
好好完成签到,获得积分10
3分钟前
华仔应助Hayat采纳,获得30
3分钟前
爱静静应助科研通管家采纳,获得10
3分钟前
薇伊完成签到,获得积分20
5分钟前
Sandy完成签到 ,获得积分10
5分钟前
深情安青应助科研通管家采纳,获得30
5分钟前
赘婿应助连安阳采纳,获得10
5分钟前
LiangRen完成签到 ,获得积分10
6分钟前
6分钟前
6分钟前
连安阳发布了新的文献求助10
6分钟前
高分求助中
歯科矯正学 第7版(或第5版) 1004
Semiconductor Process Reliability in Practice 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 600
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3234564
求助须知:如何正确求助?哪些是违规求助? 2880918
关于积分的说明 8217339
捐赠科研通 2548510
什么是DOI,文献DOI怎么找? 1377809
科研通“疑难数据库(出版商)”最低求助积分说明 648006
邀请新用户注册赠送积分活动 623361