AIGC動態(tài)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(shù)完成多項任務(wù)
關(guān)鍵字：圖像,任務(wù),特征,提示,適配器
文章來源：機器之心
內(nèi)容字數(shù)：6803字

內(nèi)容摘要：

AIxiv專欄是機器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)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(wù)的源圖像對融合結(jié)果的主導(dǎo)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(zhì)量。
目前，一般的圖像融合主要包括多模態(tài)、多曝光、多焦圖像融合等。融合任務(wù)表現(xiàn)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(zhuǎn)換成一個高質(zhì)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(shù)完成多項任務(wù)

聯(lián)系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺