RollingPlain/IVIF_ZOO

解決的問題

IVIF Zoo 是為加速紅外線與可見光影像融合（IVIF）的研究與開發而設計的綜合性資源中心。它解決了將紅外線感測器（捕捉熱訊號）與可見光感測器（捕捉紋理與細節）的資料整合為單一影像的挑戰，同時保留兩種模式中最關鍵的資訊。

如何運作

此倉儲作為 IVIF 的中央目錄與基準測試平台，提供：

• 精選資料集：包含影像與影片資料集（如 TNO、RoadScene、M3FD 和 VF-Bench）的集合，附帶解析度與標註的詳細規格說明。
• 方法論目錄：根據架構（自動編碼器、GAN、CNN）與主要目標（視覺增強、資料相容性、應用導向）對融合方法進行分類的清單。
• 評估指標：用於衡量融合品質的工具與參考文獻。
• 資源庫：基於 SegFormer 與 YOLO-v5 等成熟模型的融合、分割與檢測任務的可下載結果。

適用對象

本專案面向從事多模態影像處理、熱成像以及目標檢測、語意分割等下游視覺感知任務的研究人員、工程師與電腦視覺愛好者。

亮點

• 豐富的資料集目錄：包含靜態影像對與影片序列，支援全面測試。
• 方法分類體系：系統整理了來自 TIP、CVPR、NeurIPS 等學術會議的各類前沿融合技術。
• 任務導向方法：不僅關注視覺品質，還關注融合對目標檢測、分割等下游任務的影響。
• 整合資源庫：提供對多種 IVIF 方法的結果與基準的直接存取。