论文标题：LAConv: Local Adaptive Convolution for Image Fusion

论文链接：https://arxiv.org/abs/2107.11617

作者单位：电子科技大学 & 西南财经大学

本文提出了一种局部自适应卷积(LAConv)和动态偏差(DYB)，并基于此提出LAResNet 图像融合新网络，表现SOTA！优于FusionNet、DMDNet等。

卷积运算是特征提取的有力工具，在计算机视觉领域发挥着突出的作用。然而，当针对像图像融合这样的像素级任务时，如果在不同的块上使用统一卷积核，则无法完全感知图像中每个像素的特殊性。在本文中，我们提出了一种局部自适应卷积（LAConv），它可以动态调整到不同的空间位置。 LAConv 使网络能够在学习过程中关注每个特定的局部区域。此外，动态偏差（DYB）的引入为特征的描述提供了更多的可能性，并使网络更加灵活。我们进一步设计了一个配备了所提出的 LAConv 和 DYB 模块的残差结构网络，并将其应用于两个图像融合任务。全色锐化和高光谱图像超分辨率 (HISR) 的实验证明了我们的方法优于其他最先进的方法。值得一提的是，LAConv 也可以以较少的计算量胜任其他超分辨率任务。

内容中包含的图片若涉及版权问题，请及时与我们联系删除