論文の概要: ConFusion: Continuous Fusion Space Learning for Fine-Grained Controllable Infrared and Visible Image Fusion

• arxiv url: http://arxiv.org/abs/2607.23600v1
• Date: Sun, 26 Jul 2026 11:00:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.16725
• Title: ConFusion: Continuous Fusion Space Learning for Fine-Grained Controllable Infrared and Visible Image Fusion
• Title（参考訳）: コンフュージョン:細粒度制御可能な赤外線・可視画像融合のための連続核融合空間学習
• Authors: Guo Yurong, He Yufei, Li Yonghao, Chang Dongliang, Zhang Ke, Ma Zhanyu,
• Abstract要約: コンフュージョン(Confusion)は、空間認識変調により連続的な融合空間を学習する新しいフレームワークである。 融合品質と下流タスクの両方において、コンフュージョンは複数のメトリクスをまたいだ最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 0.410492188035848
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Controllable infrared-visible image fusion aims to integrate complementary thermal and structural information with flexible region-aware modulation, producing fused images that adapt to diverse user requirements and downstream tasks. However, existing methods typically rely on predefined discrete control conditions, leading to a sparse space that fails to support fine-grained modulation demands. To address this, we propose ConFusion, a novel framework that learns the continuous fusion space via Gaussian-conditioned spatial-aware modulation, enabling instance-level fine-grained controllable infrared and visible image fusion. ConFusion employs a dual-branch architecture to disentangle modality-invariant and modality-specific representations under joint reconstruction and text-guided semantic alignment. Gaussian-conditioned instance modulation variables coupled with Grounded SAM-based instance masks guide instance-level fine-grained modulation through the Mask-Guided Specific Feature Modulator, while the Text-Driven Invariant Feature Enhancer improves semantic consistency and enhances fusion. During inference, the multimodal large language model parses user intents into instance-level modulation variables to guide image fusion. Extensive experiments show that ConFusion achieves state-of-the-art performance across multiple metrics in both fusion quality and downstream tasks, while supporting fine-grained controllable image fusion. Our code is available at https://github.com/HeyufeiAnto/Confusion
• Abstract（参考訳）: 制御可能な赤外線可視画像融合は、相補的な熱情報と構造情報をフレキシブルな領域対応変調と統合することを目的としており、多様なユーザ要求や下流タスクに適応する融合画像を生成する。 しかし、既存のメソッドは通常、定義済みの離散的な制御条件に依存しており、細粒度変調要求をサポートしないスパース空間に繋がる。 これを解決するために,ガウス条件付き空間認識変調により連続的な融合空間を学習する新しいフレームワークであるConFusionを提案する。 コンフュージョンは二重ブランチアーキテクチャを用いて、共同再構成とテキスト誘導セマンティックアライメントの下でモダリティ不変およびモダリティ固有表現をアンタングル化する。 接地SAMベースのインスタンスマスクと結合したガウス条件のインスタンス変調変数は、Mask-Guided specific Feature Modulatorを通じてインスタンスレベルのきめ細かい変調をガイドする。 推論中、マルチモーダルな大言語モデルは、画像融合を導くために、ユーザ意図をインスタンスレベルの変調変数に解析する。 大規模な実験により、ConFusionは融合品質と下流タスクの両方において、複数のメトリクスにわたる最先端のパフォーマンスを実現し、きめ細かい制御可能な画像融合をサポートします。 私たちのコードはhttps://github.com/HeyufeiAnto/Confusionで利用可能です。

関連論文リスト

• EAPFusion: Intrinsic Evolving Auxiliary Prior Guidance for Infrared and Visible Image Fusion [15.580984590527343]
  赤外線可視画像融合は、赤外線センシングによる相補的な熱塩分と、可視画像からの微細なテクスチャを統合することで、情報に富んだ融合画像を作成することを目的としている。 既存の融合法の多くは、推論時にシーン固有のコンテンツに適応できない静的なトレーニングされた重みに依存している。 本研究では,外部補助モデルに頼らず,自己進化型固有の先行モデルを用いて,これらの問題に対処するEAPFusionを提案する。
  論文  参考訳（メタデータ） (2026-05-03T14:56:00Z)
• CtrlFuse: Mask-Prompt Guided Controllable Infrared and Visible Image Fusion [51.060328159429154]
  赤外線と可視画像の融合は、相補的なモダリティを組み合わせることで、全天候の知覚可能な画像を生成する。 我々は,マスクプロンプトによって誘導されるインタラクティブな動的融合を可能にする,制御可能な画像融合フレームワークであるCtrlFuseを提案する。 実験では、融合制御性とセグメンテーション精度の両立を実証し、適応されたタスク分岐は元のセグメンテーションモデルよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T13:36:48Z)
• Towards Unified Semantic and Controllable Image Fusion: A Diffusion Transformer Approach [99.80480649258557]
  DiTFuseは命令駆動のフレームワークで、単一のモデル内でセマンティクスを意識した融合を実行する。 パブリックなIVIF、MFF、MEFベンチマークの実験では、より優れた量的および質的な性能、よりシャープなテクスチャ、より優れたセマンティック保持が確認されている。
  論文  参考訳（メタデータ） (2025-12-08T05:04:54Z)
• ControlFusion: A Controllable Image Fusion Framework with Language-Vision Degradation Prompts [82.52042409680267]
  現在の画像融合法は、現実の撮像シナリオで発生する複合劣化に対処するのに苦労している。 本稿では,制御フュージョンと呼ばれる言語ビジョンプロンプトを用いた制御可能な画像融合フレームワークを提案する。 実験では、制御フュージョンは、融合品質と劣化処理においてSOTA融合法より優れている。
  論文  参考訳（メタデータ） (2025-03-30T08:18:53Z)
• 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)

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。