（TCSVT 2025 ）循环交互Transformer模块+跨模态自适应交互策略，涨点起飞

主要观点总结

本文介绍了一篇名为《Cyclic Cross-Modality Interaction for Hyperspectral and Multispectral Image Fusion》的论文，该论文提出了一种具备循环交互结构与自适应模态融合机制的Transformer网络（CYformer），实现了当前领先的高分辨率HSI重建性能。文章详细阐述了CYformer的创新点，如跨模态交互机制、循环交互模块、自适应交互机制等。同时，文章还介绍了实验验证与对比优势、CYformer模型的整体结构、输入与预处理、深度特征提取、特征融合与重建等细节。

关键观点总结

关键观点1: 论文地址和主要内容

论文地址为https://github.com/Tomchenshi/CYformer。该论文提出了一种新的循环交互式Transformer架构CYformer，用于高光谱和多光谱图像融合。

关键观点2: CYformer的特点和创新点

CYformer设计了一种跨模态空间-光谱交互机制，促进HSI与MSI之间的多层次信息流通；引入循环交互模块（CITM），在空间维度与光谱维度交替使用Transformer，充分提取长程依赖特征；通过多次交替交互捕捉HSI的光谱丰富性和MSI的空间细节，达到高质量融合。

关键观点3: 跨模态自适应交互机制（CMAI）的作用

为了进一步提升空间与光谱之间的融合质量，论文提出了跨模态自适应交互机制（CMAI），包括空间自适应交互模块（SAAI）和光谱自适应交互模块（SEAI）。这两个模块分别从MSI中提取空间先验，从HSI中提取光谱先验，自适应地调整特征响应，强化融合过程中的空间结构与光谱一致性。

关键观点4: 实验验证和对比结果

CYformer在多个标准数据集上对比了多种最新方法，并在所有指标上取得了最优或次优结果。此外，CYformer在保持高性能的同时，模型参数较少，兼顾了准确性与效率。

免责声明