論文の概要: PCDFusion: Proposal-Context-Detail Bayesian Rendering for Infrared-Visible Image Fusion

• arxiv url: http://arxiv.org/abs/2610.23663v1
• Date: Fri, 16 Oct 2026 15:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.999948
• Title: PCDFusion: Proposal-Context-Detail Bayesian Rendering for Infrared-Visible Image Fusion
• Title（参考訳）: PCDFusion:赤外可視画像融合のための提案コンテキスト詳細ベイズレンダリング
• Abstract要約: 赤外線可視画像融合(IVIF)は、人間の知覚と下流の視覚タスクのための可視・熱赤外観測を組み合わせることを目的としている。 本稿では,3つのレンダリング段階を通じてこの定式化を実装する可視アンコールフレームワークの提案-コンテキスト-詳細融合(PCDFusion)を提案する。 PCDFusionは、潜在的に有用な熱応答を保存し、露光劣化した可視領域を更新し、信頼できる帯域制限赤外線構造を最終的な輝度にレンダリングする。
• 参考スコア（独自算出の注目度）: 19.773647278978967
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Infrared-visible image fusion (IVIF) aims to combine visible and thermal infrared observations for human perception and downstream vision tasks. Visible and thermal infrared observations are physically complementary but unreliable in different ways. Existing deep IVIF methods mainly improve feature interaction and reconstruction, but often lack an explicit local rule for deciding when visible appearance should dominate and when thermal responses should contribute. To address this issue, we reformulate IVIF as local Bayesian posterior rendering, where fusion is controlled by posterior action weights rather than direct modality mixing. In this paper, we propose Proposal-Context-Detail Fusion (PCDFusion), a visible-anchored framework that implements this formulation through three rendering stages. PCDFusion preserves potentially useful thermal responses, updates exposure-degraded visible regions, and renders reliable band-limited infrared structures into the final luminance. Extensive experiments on public IVIF benchmarks show that PCDFusion improves fusion quality, target recovery, and downstream detection and segmentation performance under challenging illumination. The code is available at https://github.com/BIT-RuiLiu/PCDFusion.git.
• Abstract（参考訳）: 赤外線可視画像融合(IVIF)は、人間の知覚と下流の視覚タスクのための可視・熱赤外観測を組み合わせることを目的としている。 可視・熱赤外観測は物理的に相補的であるが、異なる方法では信頼できない。 既存の深いIVIF法は、主に機能相互作用と再構成を改善するが、視覚的な外観がいつ支配され、熱反応が寄与するかを決定するための明確な局所規則を欠いていることが多い。 この問題に対処するため,IVIFを局所ベイズ後部レンダリングとして再構成し,融合は直接モード混合ではなく後部作用重みによって制御する。 本稿では,3つのレンダリング段階を通じてこの定式化を実装する可視アンコールフレームワークであるPCDFusionを提案する。 PCDFusionは、潜在的に有用な熱応答を保存し、露光劣化した可視領域を更新し、信頼できる帯域制限赤外線構造を最終的な輝度にレンダリングする。 パブリックIVIFベンチマークの大規模な実験により、PCDFusionは核融合品質、目標回収、下流検出とセグメンテーション性能を困難な照明下で改善することが示された。 コードはhttps://github.com/BIT-RuiLiu/PCDFusion.gitで公開されている。

関連論文リスト

• P2Fusion: Prompt-based Progressive Infrared-Visible Image Fusion via Dual-Prior Distillation [73.147281449267]
  我々は、赤外線可視画像融合を再構成する事前誘導蒸留に基づくフレームワークであるP2Fusionを提案する。 ハードコードされたペナルティを課す代わりに、画像固有の先例、熱塩分率、空間的品質を学習可能な動的レギュレータに蒸留する。 P2Fusionは5つのベンチマークで20の主要評価指標のうち14で最先端の結果を達成する。
  論文  参考訳（メタデータ） (2026-08-13T10:09:49Z)
• SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
  可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。 既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。 SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-08-09T07:57:40Z)
• IRPol-Fuse: Energy-structure coordination for infrared polarization fusion under low visibility [5.157439148327911]
  低可視性シナリオに挑戦するエネルギー構造協調型IPIFフレームワークであるIRPol-Fuseを提案する。 提案フレームワークは, 適応赤外偏光アロケーションのための偏光アテンションフュージョン, ハイライト誘導赤外保護のための赤外光, 偏光テクスチャ復元のための偏光テクスチャの3つの重要なモジュールを含む。 LI-PIと公共LCDRSデータセットを用いた実験により、IRPol-Fuseは熱標的保存、構造的詳細回復、視覚的自然性において良好な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-08-08T01:35:25Z)
• FaithIR: Rethinking Infrared Image Super-Resolution from Perceptual Sharpness to Task Relevant Fidelity [50.75932774177958]
  FaithIRは信頼性の高いマシン認識のための忠実な赤外線超解像度フレームワークである。 FLIR-IISR、M3FD、FMBの実験は、強い再構成忠実度、クロスデータセットの一般化、オブジェクト検出とセマンティックセグメンテーションにおける優れた性能を示す。
  論文  参考訳（メタデータ） (2026-08-04T04:23:30Z)
• EPOFusion: Exposure aware Progressive Optimization Method for Infrared and Visible Image Fusion [31.371511441847577]
  EPOFusion(エポフュージョン)は、赤外線および可視光融合モデルである。 オーバー露光領域から微細な赤外線特徴を抽出する際のエンコーダを容易にするための誘導モジュールが導入された。 マルチスケールのコンテキスト融合モジュールを組み込んだ反復デコーダは、融合した画像を徐々に強化するように設計されている。 より優れた露光認識を実現するために、最初の赤外線および可視光過剰露光データセットを構築した。
  論文  参考訳（メタデータ） (2026-03-17T05:34:00Z)
• Bridging Human Evaluation to Infrared and Visible Image Fusion [54.71406895277533]
  赤外線および可視画像融合(IVIF)は、シーン知覚を高めるために相補的なモダリティを統合する。 現在の手法は、主に手作りの損失と客観的なメトリクスの最適化に重点を置いており、しばしば人間の視覚的嗜好と一致しない融合結果をもたらす。 人間の評価を赤外線と可視画像の融合に橋渡しするフィードバック強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T09:23:57Z)
• SGDFuse: SAM-Guided Diffusion for High-Fidelity Infrared and Visible Image Fusion [65.80051636480836]
  本稿では,Segment Anything Model(SAM)によって導かれる条件拡散モデルを提案する。 このフレームワークは2段階のプロセスで動作し、まずマルチモーダルな特徴の予備的な融合を行い、その後、拡散モデルの粗大な分極生成を駆動する条件としてセマンティックマスクを利用する。 SGDFuseは主観的評価と客観的評価の両方において最先端の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2025-08-07T10:58:52Z)
• Infrared-Assisted Single-Stage Framework for Joint Restoration and Fusion of Visible and Infrared Images under Hazy Conditions [9.415977819944246]
  本稿では,赤外線画像を用いた統合学習フレームワークを提案する。 本手法は, ヘイズを除去しながらIR-VIS画像を効果的に融合させ, 鮮明で無害な融合結果をもたらす。
  論文  参考訳（メタデータ） (2024-11-16T02:57:12Z)

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。