CVPR 2024 | 基于MoE的通用圖像融合模型，添加2.8%參數完成多項任務

AIGC動態歡迎閱讀

原標題：CVPR 2024 | 基于MoE的通用圖像融合模型，添加2.8%參數完成多項任務
關鍵字：圖像,任務,特征,提示,適配器
文章來源：機器之心
內容字數：6803字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。論文鏈接：https://arxiv.org/abs/2403.12494
代碼鏈接：https://github.com/YangSun22/TC-MoA
論文題目：Task-Customized Mixture of Adapters for General Image Fusion圖 1 不同融合任務的源圖像對融合結果的主導強度變化
研究背景與動機
圖像融合的目的是將同一場景中不同傳感器捕獲的多源圖像的互補信息整合到單個圖像上。這種方式通常被用于提取圖片重要信息和提高視覺質量。
目前，一般的圖像融合主要包括多模態、多曝光、多焦圖像融合等。融合任務表現出不同的融合機制。多曝光圖像融合（MEF）的重點是將具有多個曝光程度的圖像序列轉換成一個高質量的全曝光圖

原文鏈接：CVPR 2024 | 基于MoE的通用圖像融合模型，添加2.8%參數完成多項任務

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺