清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

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
丰富的绮山完成签到,获得积分10
10秒前
冰子完成签到 ,获得积分10
24秒前
跳跃的访琴完成签到 ,获得积分10
36秒前
哭泣的映寒完成签到 ,获得积分10
49秒前
vincy完成签到 ,获得积分10
56秒前
dbdxyty完成签到,获得积分10
1分钟前
寒战完成签到 ,获得积分10
1分钟前
荔枝波波加油完成签到 ,获得积分10
1分钟前
娇娇大王完成签到,获得积分10
1分钟前
xun发布了新的文献求助10
1分钟前
大个应助xun采纳,获得10
1分钟前
lwtsy完成签到,获得积分10
1分钟前
zhoulangorange完成签到 ,获得积分10
2分钟前
JamesPei应助尽我所能采纳,获得10
2分钟前
念工人完成签到,获得积分10
2分钟前
大雁完成签到 ,获得积分10
2分钟前
XMUZH完成签到 ,获得积分10
2分钟前
科研通AI2S应助MCCCCC_6采纳,获得30
2分钟前
theo完成签到 ,获得积分10
2分钟前
yinhe完成签到 ,获得积分10
2分钟前
2分钟前
罗小罗同学完成签到,获得积分10
2分钟前
尽我所能发布了新的文献求助10
2分钟前
尽我所能完成签到,获得积分10
3分钟前
陈秋完成签到,获得积分10
3分钟前
黄光完成签到,获得积分10
3分钟前
3分钟前
gaoxiaogao完成签到 ,获得积分10
3分钟前
xun发布了新的文献求助10
3分钟前
潇洒的语蝶完成签到 ,获得积分10
3分钟前
思源应助xun采纳,获得10
3分钟前
3分钟前
大熊发布了新的文献求助10
3分钟前
老宇126完成签到,获得积分10
3分钟前
4分钟前
xun发布了新的文献求助10
4分钟前
Lucas应助xun采纳,获得10
4分钟前
宸浅完成签到 ,获得积分10
4分钟前
清净163完成签到,获得积分10
4分钟前
4分钟前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3162359
求助须知:如何正确求助?哪些是违规求助? 2813331
关于积分的说明 7899783
捐赠科研通 2472848
什么是DOI,文献DOI怎么找? 1316544
科研通“疑难数据库(出版商)”最低求助积分说明 631375
版权声明 602142