A Task-Guided, Implicitly-Searched and Meta-Initialized Deep Model for Image Fusion
题目：一种任务引导、隐式搜索和元初始化的图像融合深度模型
作者：Risheng Liu; Zhu Liu; Jinyuan Liu; Xin Fan; Zhongxuan Luo
摘要
图像融合在多种基于多传感器的视觉系统中起着关键作用，特别是在增强视觉质量或提取感知的聚合特征方面。然而，大多数现有方法仅将图像融合视为一个独立任务，从而忽略了其与下游视觉问题的潜在关系。此外，设计合适的融合架构通常需要巨大的工程劳动，并且缺乏提高当前融合方法灵活性和泛化能力的机制。为了缓解这些问题，我们建立了一个任务引导的、隐式搜索的和元初始化的（TIM）深度模型，以解决现实世界场景中图像融合的挑战。具体来说，我们首先提出了一种受限策略，将下游任务的信息纳入以指导图像融合的无监督学习过程。在此框架内，我们随后设计了一种隐式搜索方案，以高效率自动发现我们的融合模型的紧凑架构。此外，引入了一种预文本元初始化技术，利用发散融合