求扩散是什么意思（图像融合、Transformer、扩散模型）

        在这篇博客中 
  
  
  
  
  
，主要是收集到一些图像融合框架中引入Transformer结构的文章 
  
  
  
  
  
 ，提供给大家参考学习

 


 


 


 


 


 ，目前图像融合领域引入Transformer结构的文章比较少（我所看到的比较少 
 
 
 
 
 
，也看可能我看的比较少？） 
   
   
   
   
   
 ，主要作用就是把它作为一种提取特征的方式
 

 

 

 

 

 ，或者说更倾向于long-range dependencies的建立            。Transformer引入到图像融合领域的时间并不长
 

 

 

 

 

 
，大部分文章都是2020-2022发出的           ，所有并没有统计发表年份
 
  
 
  
 
  
 
  
 
  
 
 。至于是具体是哪个会议或者期刊发表的并没有标注 

 
 

 
 

 
 

 
 

 
 

 ，有兴趣可以自己去查查











。

       Transformer 主要是通过自注意力学习图像斑块之间的全局空间关系  
  
  
  
  
  。 自注意力机制致力于建立long-range dependencies











，从而在浅层和深层中更好地利用全局信息                 ，所以 Transformer 的使用就是解决长序列问题的一个好方法 
  
  
  
  
  
 。在 CV 领域中常用的就是 CNN 
 
 
 
 
 
 
 
 
 
 
 ，它可以提取本地的特征

















，因为每次卷积就是提取该卷积下的特征图           ，在局部信息的提取上有很大优势 
  
 
  
 
  
 
  
 
  
 
  ，但无法关注图像的长期依赖关系











，阻碍了复杂场景融合的上下文信息提取


 


 


 


 


 


。所以 
  
  
  
  
  
， Transformer 的引入主要解决这个问题 
 
 
 
 
 。

        下面这个思维导图从单任务和多任务的角度进行设计的 
  
  
  
  
  
 ，简单看看吧！！！

 下面这个表格是论文的名称

 


 


 


 


 


 ，以及在网络结构上进行了总结  
   
   
   
   
   
 。

CNN+Transformer结构 文章 类型 代码 Image Fusion Transformer VIF 文中提供了代码链接 MFST: Multi-Modal Feature Self-Adaptive Transformer for Infrared and Visible Image Fusion VIF DNDT: Infrared and Visible Image Fusion Via DenseNet and Dual-Transformer VIF TransMEF: A Transformer-Based Multi-Exposure Image Fusion Framework using Self-Supervised Multi-Task Learning MEF

文中提供了代码链接

TransFuse: A Unified Transformer-based Image Fusion Framework using Self-supervised Learning

Unified Framework

文中提供了代码链接 TGFuse: An Infrared and Visible Image Fusion Approach Based on Transformer and Generative Adversarial Network VIF SwinFusion: Cross-domain Long-range Learning for General Image Fusion via Swin Transformer Unified Framework 文中提供了代码链接 CGTF: Convolution-Guided Transformer for Infrared and Visible Image Fusion VIF Pure Transformer结构（这两篇都是预训练模型做的） SwinFuse: A Residual Swin Transformer Fusion Network for Infrared and Visible Images VIF 文中提供了代码链接 PPT Fusion: Pyramid Patch Transformer for a Case Study in Image Fusion Unified Framework 新增 THFuse: An infrared and visible image fusion network using transformer and hybrid feature extractor VIF IFormerFusion: Cross-Domain Frequency Information Learning for Infrared and Visible Image Fusion Based on the Inception Transformer VIF Breaking Free from Fusion Rule: A Fully Semantic-driven Infrared and Visible Image Fusion VIF 扩散模型 Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image Fusion with Diffusion Models VIF 
 
 
 
 
 
，扩散彩色通道特征

        上述论文的实验部分都是比较的卷积方法或者传统方法 
   
   
   
   
   
 ，并没有比较到使用到Transforme的模型
 

 

 

 

 

 ，所以他们之间的是啥情况
 

 

 

 

 

 
，那就不清楚了           ，没刻意去比较过 

 
 

 
 

 
 

 
 

 
 

 ，有兴趣可以去比较比较

 

 

 

 

 

。That thing is not sure！！！

        思考：怎么把Tranformer合理的引入到CNN结构中进行图像融合以及如何真正地将Transformer用到图像融合融合中（完全使用Transformer去构建图像融合模型） ？？？ 

        目前











，只收集到这些文章
 

 

 

 

 

 。            。如有错误                 ，希望大家看到后及时在评论区留言！！！

        另外 
 
 
 
 
 
 
 
 
 
 
 ，如果想更多的关注图像融合领域相关的知识

















，大家可以关注以下优秀的博主：

1：部分基于深度学习的红外与可见光图像融合模型总结 - 知乎 (zhihu.com)

2：(7条消息) 红外和可见光图像融合论文及代码整理_Timer-419的博客-CSDN博客_图像融合论文

        希望对大家有帮助           ，欢迎大家补充！！！

2023.3.17新增 
  
  
  
  
  
、扩散模型！！！