PID: Physics-Informed Diffusion Model for Infrared Image Generation

红外成像技术因其在低能见度条件下可靠的感应能力而受到了广泛关注，促使许多研究将丰富的RGB图像转换为红外图像。然而，大多数现有的图像转换方法将红外图像视为一种风格变化，忽略了其中的基本物理定律，这限制了它们的实际应用。为了解决这些问题，我们提出了一种物理信息扩散（PID）模型，用于将RGB图像转换为遵循物理定律的红外图像。我们的方法利用扩散模型的迭代优化，并在训练过程中基于红外定律的先验知识，加入强制物理约束。这种方法增强了转换后的红外图像与真实红外领域之间的相似性，而不增加额外的训练参数。实验结果表明，PID显著优于现有的最先进方法。我们的代码可在https://github.com/fangyuanmao/PID上获得。

本论文旨在解决将RGB图像转换为红外图像的问题，并且通过物理约束来提高转换的可靠性和实用性。

本论文提出了一种基于物理约束的扩散模型（PID）来进行RGB到红外图像的转换。该模型在训练过程中加入了基于红外物理规律的强约束，提高了转换后红外图像与真实红外图像的相似性。

论文的实验结果表明，PID模型在RGB到红外图像转换方面优于现有的其他方法。此外，作者还提供了开源代码。

在相关研究方面，最近的一些论文包括：1.《Infrared Image Synthesis via Multi-Adversarial Training with Auxiliary Classifier》；2.《Infrared and Visible Image Fusion via Gradient Transfer and Total Variation Minimization》。