論文の概要: Conditional Controllable Image Fusion

• arxiv url: http://arxiv.org/abs/2411.01573v1
• Date: Sun, 03 Nov 2024 13:56:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:48:43.466030
• Title: Conditional Controllable Image Fusion
• Title（参考訳）: 条件制御可能な画像融合
• Authors: Bing Cao, Xingxin Xu, Pengfei Zhu, Qilong Wang, Qinghua Hu,
• Abstract要約: 条件付き制御可能核融合(CCF)フレームワーク。 CCFは、実際には個々の個人に対して特定の核融合の制約を課している。 様々なシナリオにまたがる一般融合タスクにおける有効性を検証する実験。
• 参考スコア（独自算出の注目度）: 56.4120974322286
• License:
• Abstract: Image fusion aims to integrate complementary information from multiple input images acquired through various sources to synthesize a new fused image. Existing methods usually employ distinct constraint designs tailored to specific scenes, forming fixed fusion paradigms. However, this data-driven fusion approach is challenging to deploy in varying scenarios, especially in rapidly changing environments. To address this issue, we propose a conditional controllable fusion (CCF) framework for general image fusion tasks without specific training. Due to the dynamic differences of different samples, our CCF employs specific fusion constraints for each individual in practice. Given the powerful generative capabilities of the denoising diffusion model, we first inject the specific constraints into the pre-trained DDPM as adaptive fusion conditions. The appropriate conditions are dynamically selected to ensure the fusion process remains responsive to the specific requirements in each reverse diffusion stage. Thus, CCF enables conditionally calibrating the fused images step by step. Extensive experiments validate our effectiveness in general fusion tasks across diverse scenarios against the competing methods without additional training.
• Abstract（参考訳）: 画像融合は、様々なソースから取得した複数の入力画像から補完的な情報を統合し、新しい融合画像を生成することを目的としている。 既存の手法は通常、特定のシーンに合わせて異なる制約設計を採用し、固定核融合パラダイムを形成する。 しかし、このデータ駆動型フュージョンアプローチは、特に急速に変化する環境において、さまざまなシナリオでデプロイすることが困難である。 この問題に対処するために,条件付き制御可能核融合(CCF)フレームワークを提案する。 異なるサンプルの動的差異のため、我々のCCFは実際に個々の個人に特定の核融合制限を課している。 微分拡散モデルの強力な生成能力を考えると,まず適応核融合条件として事前学習したDDPMに特定の制約を注入する。 適切な条件は動的に選択され、融合プロセスが各逆拡散段階における特定の要求に応答し続けることを保証する。 これにより、CCFは、融合した画像を段階的に調整することができる。 総合的な実験により、追加の訓練を伴わずに競合する手法に対して、様々なシナリオにわたる一般融合タスクの有効性が検証された。

関連論文リスト

• Fusion from Decomposition: A Self-Supervised Approach for Image Fusion and Beyond [74.96466744512992]
  画像融合の本質は、ソース画像からの相補的な情報を統合することである。 DeFusion++は、画像融合の品質を高め、下流の高レベル視覚タスクの有効性を高める、汎用的な融合表現を生成する。
  論文  参考訳（メタデータ） (2024-10-16T06:28:49Z)
• Task-Customized Mixture of Adapters for General Image Fusion [51.8742437521891]
  一般画像融合は、マルチソース画像から重要な情報を統合することを目的としている。 本稿では, 汎用画像融合用アダプタ(TC-MoA)を新たに提案し, 統一モデルにおける様々な融合タスクを適応的に促進する。
  論文  参考訳（メタデータ） (2024-03-19T07:02:08Z)
• A Task-guided, Implicitly-searched and Meta-initialized Deep Model for Image Fusion [69.10255211811007]
  本稿では,課題の多い現実シナリオにおいて,画像融合問題に対処するためのタスク誘導,インプリシト検索,メタ一般化(TIM)深層モデルを提案する。 具体的には、画像融合の教師なし学習プロセスを導くために、下流タスクからの情報を組み込む制約付き戦略を提案する。 このフレームワーク内に暗黙の探索スキームを設計し、高速な融合モデルのためのコンパクトなアーキテクチャを自動で発見する。
  論文  参考訳（メタデータ） (2023-05-25T08:54:08Z)
• LaCon: Late-Constraint Diffusion for Steerable Guided Image Synthesis [14.217743805048537]
  本稿では,様々な条件を事前学習拡散モデルに同時に組み込むために,遅延制約拡散(LaCon)という代替パラダイムを提案する。 COCOデータセットの実験結果はLaConの有効性と優れた一般化能力を示している。
  論文  参考訳（メタデータ） (2023-05-19T08:40:01Z)
• Equivariant Multi-Modality Image Fusion [124.11300001864579]
  エンドツーエンドの自己教師型学習のための同変多モードImAge融合パラダイムを提案する。 我々のアプローチは、自然画像応答が特定の変換に等しくなるという以前の知識に根ざしている。 実験により、EMMAは赤外線可視画像と医用画像に高品質な融合結果をもたらすことが確認された。
  論文  参考訳（メタデータ） (2023-05-19T05:50:24Z)
• DDFM: Denoising Diffusion Model for Multi-Modality Image Fusion [144.9653045465908]
  拡散確率モデル(DDPM)に基づく新しい融合アルゴリズムを提案する。 近赤外可視画像融合と医用画像融合で有望な融合が得られた。
  論文  参考訳（メタデータ） (2023-03-13T04:06:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。