MPCFusion: Multi-scale parallel cross fusion for infrared and visible images via convolution and vision Transformer

计算机科学 红外线的 卷积(计算机科学) 融合 变压器 人工智能 计算机视觉 比例(比率) 光学 电压 物理 人工神经网络 语言学 哲学 量子力学
作者
Haojie Tang,Yao Qian,Mengliang Xing,Yisheng Cao,Gang Liu
出处
期刊:Optics and Lasers in Engineering [Elsevier]
卷期号:176: 108094-108094 被引量:6
标识
DOI:10.1016/j.optlaseng.2024.108094
摘要

The image fusion community is thriving with the wave of deep learning, and the most popular fusion methods are usually built upon well-designed network structures. However, most of the current methods do not fully exploit deeper features while ignore the importance of long-range dependencies. In this paper, a convolution and vision Transformer-based multi-scale parallel cross fusion network for infrared and visible images is proposed (MPCFusion). To exploit deeper texture details, a feature extraction module based on convolution and vision Transformer is designed. With a view to correlating the shallow features between different modalities, a parallel cross-attention module is proposed, in which a parallel-channel model efficiently preserves the proprietary modal features, followed by a cross-spatial model that ensures the information interactions between the different modalities. Moreover, a cross-domain attention module based on convolution and vision Transformer is proposed to capturing long-range dependencies between in-depth features and effectively solves the problem of global context loss. Finally, a nest-connection based decoder is used for implementing feature reconstruction. In particular, we design a new texture-guided structural similarity loss function to drive the network to preserve more complete texture details. Extensive experimental results illustrate that MPCFusion shows excellent fusion performance and generalization capabilities. The source code will be released at https://github.com/YQ-097/MPCFusion.
最长约 10秒,即可获得该文献文件

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
刚刚
豪豪完成签到,获得积分10
1秒前
王小能完成签到,获得积分10
1秒前
win完成签到 ,获得积分10
1秒前
丫头完成签到,获得积分10
2秒前
韩梓恒完成签到,获得积分10
2秒前
万能图书馆应助枯木逢春采纳,获得10
3秒前
小米发布了新的文献求助10
3秒前
墨言无殇完成签到 ,获得积分10
3秒前
4秒前
lefcard完成签到,获得积分10
4秒前
咩咩发布了新的文献求助10
4秒前
4秒前
5秒前
研友_842M4n完成签到,获得积分10
5秒前
灰太狼大王完成签到 ,获得积分10
5秒前
Leila完成签到,获得积分10
5秒前
花痴的骁完成签到 ,获得积分10
5秒前
goblue完成签到,获得积分10
6秒前
Balloon完成签到,获得积分10
6秒前
liudw完成签到,获得积分10
6秒前
SCN完成签到,获得积分10
7秒前
x跳完成签到,获得积分10
7秒前
康康完成签到 ,获得积分10
7秒前
8秒前
开心就吃猕猴桃完成签到,获得积分10
8秒前
8秒前
shfgref完成签到,获得积分10
8秒前
witting完成签到,获得积分10
9秒前
江幻天发布了新的文献求助200
9秒前
健壮的凝冬完成签到 ,获得积分10
9秒前
栗子芸完成签到,获得积分10
10秒前
10秒前
这个名字就比原来的好听完成签到,获得积分10
10秒前
寒桥发布了新的文献求助10
10秒前
自己完成签到,获得积分10
11秒前
周小浪完成签到,获得积分10
11秒前
ccc发布了新的文献求助10
11秒前
Kiki完成签到 ,获得积分10
11秒前
干净的元菱完成签到 ,获得积分10
12秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
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 3099895
求助须知:如何正确求助?哪些是违规求助? 2751334
关于积分的说明 7613172
捐赠科研通 2403314
什么是DOI,文献DOI怎么找? 1275235
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053