TMM 2025 | 赋能目标检测！PIDFusion 让融合图像成为高阶视觉任务强力支撑

主要观点总结

本文介绍了在计算机视觉领域红外与可见光图像融合技术的研究热点，针对现有融合方法的痛点，提出了基于PID控制器驱动的图像融合网络（PIDFusion）。该模型通过引入PID控制理念，实现了动态自适应的图像融合框架，并在多个公开数据集上取得了显著效果。

关键观点总结

关键观点1: 研究背景及痛点

介绍计算机视觉领域中红外与可见光图像融合技术的研究背景，现有融合方法常陷入平衡之困，难以同时保留红外目标和纹理细节。

关键观点2: 创新突破：PID控制理念引入图像融合

提出将工业控制领域的PID控制器机制引入图像融合任务，构建了动态自适应的融合框架，将图像融合建模为"偏差最小化优化问题"。

关键观点3: 模型架构及核心模块

介绍PIDFusion模型的总体架构，包括三大核心模块：PID控制器、迭代注意力模块（IAM）和循环自监督特征精炼模块（CSSFR）。

关键观点4: 实验验证与效果评估

在多个公开数据集上进行实验验证，PIDFusion在多项指标上全面领先现有方法，展示了其优异的性能。

关键观点5: 拓展应用与效率优势

PIDFusion展现出优异的泛化能力，在医学图像融合与目标检测任务中取得出色表现，并且具有轻量高效的实用模型优势。