RollingPlain/IVIF_ZOO

解决的问题

IVIF Zoo 是一个为加速红外与可见光图像融合（IVIF）研究与开发而设计的综合性资源中心。它解决了将红外传感器（捕捉热信号）和可见光传感器（捕捉纹理与细节）的数据融合为单一图像的挑战，同时保留两种模态中最关键的信息。

如何工作

该仓库作为 IVIF 的中央目录和基准测试平台，提供：

• 精选数据集：包含图像和视频数据集（如 TNO、RoadScene、M3FD 和 VF-Bench）的集合，附带分辨率和标注的详细规格说明。
• 方法论目录：根据架构（自编码器、GAN、CNN）和主要目标（视觉增强、数据兼容性、应用导向）对融合方法进行分类的列表。
• 评估指标：用于衡量融合质量的工具和参考文献。
• 资源库：基于 SegFormer 和 YOLO-v5 等成熟模型的融合、分割和检测任务的可下载结果。

适用对象

本项目面向从事多模态图像处理、热成像以及目标检测、语义分割等下游视觉感知任务的研究人员、工程师和计算机视觉爱好者。

亮点

• 丰富的数据集目录：包含静态图像对和视频序列，支持全面测试。
• 方法分类体系：系统整理了来自 TIP、CVPR、NeurIPS 等学术会议的各类前沿融合技术。
• 任务导向方法：不仅关注视觉质量，还关注融合对目标检测、分割等下游任务的影响。
• 集成资源库：提供对多种 IVIF 方法的结果与基准的直接访问。