TPAMI 2024｜DeepM2CDL：基于层级式多尺度卷积字典的多模态图像修复与融合网络

文章预览

关注公众号，发现CV技术之美 本文为粉丝投稿，原文链接：https://zhuanlan.zhihu.com/p/701844704。 本文介绍了北京航空航天大学 徐迈教授课题组 最新发表于IEEE Transactions on Pattern Analysis and Machine Intelligence ( TPAMI 2024 )上的工作“DeepM2CDL: Deep Multi-scale Multi-modal Convolutional Dictionary Learning Network”。该工作瞄准跨模态图像间复杂的信息耦合特性，提出了一个基于层级式多尺度可调节字典学习模型的全局主动式可解释神经网络DeepM2CDL。该可解释神经网络为多模态图像复原与融合任务提供了通用的多尺度字典学习框架，在具有良好的网络可解释性的同时，在多模态图像超分辨、去噪、多曝光融合以及多焦点融合等多个任务中取得了卓越的性能。 论文地址：https://ieeexplore.ieee.org/abstract/document/10323520/ 代码链接：https://github.com/JingyiXu404/TPAMI-DeepM2CDL 欢迎引用与评价： ❝ ………………………………