画像融合

サインイン

本稿では、動的画像融合が静的画像融合よりも優れていることを理論的に証明し、融合画像を単一ソースコンポーネントに分解することで、画像融合の一般化誤差の上限を初めて証明する。そして、その理論に基づき、新たなテスト時動的画像融合パラダイムを提案する。

本稿では、事前学習済みDDPMの強力な再構成能力を活用し、条件付きで制御可能な画像融合（CCF）フレームワークを提案する。これは、追加学習なしで、基本条件、拡張条件、タスク固有条件から成る条件バンクから動的に条件を選択することで実現される。

本稿では、赤外線画像と可視画像の融合において、空間領域と周波数領域の情報を効果的に組み合わせることで、高品質な融合画像を生成する効率的なネットワーク、SFDFusionを提案する。

会社概要

プロダクト

リソース