ICCV 2025图像融合技术趋势与创新方法解析

1. ICCV 2025图像融合研究全景解读

计算机视觉顶会ICCV 2025的录用论文名单近日公布，其中图像融合（Image Fusion）领域的研究呈现出前所未有的多元化发展趋势。作为计算机视觉领域的基础技术，图像融合正在经历从传统方法向智能化、交互化方向的范式转变。本次会议共收录11篇相关论文，主要来自中国顶尖高校（如西安交大、哈工大、清华等）与国际知名机构（如ETH Zurich、巴塞罗那自治大学等）的深度合作。

这些研究不仅覆盖了红外-可见光融合、多曝光融合、医学影像融合等经典方向，更涌现出多个创新性分支：基于扩散模型的生成式融合、语言/文本引导的交互式融合、面向实时应用的轻量化融合等。特别值得注意的是，超过60%的论文采用了Transformer架构，同时有4篇论文创新性地将扩散模型引入融合任务，显示出生成式AI对传统视觉任务的深刻影响。

2. 关键技术突破与创新方法论

2.1 多模态统一融合框架

哈尔滨工业大学与武汉大学联合提出的TITA框架（论文02）代表了统一融合架构的最新进展。该研究首次在任务不变性（task-invariant）与任务特异性（task-specific）之间建立了动态平衡机制：

• 交互增强像素注意力（IPA模块）：通过3D注意力权重矩阵建模跨模态空间-通道依赖关系，在512×512分辨率下将特征交互效率提升40%
• 操作自适应融合（OAF模块）：包含5种基础融合算子（加权平均、最大值选择、通道注意力等），根据输入特征自动生成算子组合权重
• 多任务优化策略（FAMO）：采用梯度冲突系数动态调整各任务损失权重，在红外-可见光/多曝光/医学影像融合任务上实现平均PSNR提升2.3dB

实验表明，TITA在未见过的多光谱-全色融合任务上，仅需10%的领域适配数据即可达到专用模型95%的性能，展现出极强的泛化能力。

2.2 高光谱图像联合优化

西北工业大学领衔的Hipandas研究（论文03）突破了高光谱处理中"先去噪后超分"的传统范式，创新性地提出：

三网耦合架构：

1. 引导去噪网络：基于PAN图像高频成分生成噪声分布图
2. 引导超分网络：利用PAN的MTF特性构建频域约束
3. PAN重建网络：保持光谱-空间一致性

关键技术突破：

• 细节导向低秩先验：将传统HySure方法中的全局低秩约束改进为patch级自适应秩估计
• 两阶段训练策略：先固定PAN网络预训练200轮，再联合微调，使PSNR收敛速度提升3倍

在Pleiades卫星真实数据测试中，该方法在32波段400nm-1000nm范围实现0.92的SSIM，较前最优提升12%。

3. 交互式与可控融合新范式

3.1 文本引导的实例级融合

清华大学团队研发的RIS-Fuse模型（论文04）开创了弱监督可控融合的新方向：

创新训练流程：

1. 伪标签生成阶段：

   • 多模态特征对齐（MFA）：通过最优传输理论实现文本嵌入与图像patch的软匹配
   • 流形相似性计算：在CLIP空间构建文本-视觉联合概率分布

2. 融合网络阶段：

   • 目标区域采用基于注意力权重的特征增强
   • 非目标区域使用梯度感知的内容保留策略

实测效果：

• 在FLIR数据集上，用户通过"enhance human"等简单指令即可精准突出特定目标
• 与传统方法相比，目标区域的对比度提升300%，同时保持背景SSIM>0.95

3.2 扩散模型与人类反馈

中山大学DreamFuse（论文06）将扩散Transformer引入融合任务，关键创新包括：

位置仿射机制：

python复制def positional_affine(fg_feat, bg_feat):
    # 计算前景相对位置参数
    θ = MLP(fg_feat) # [scale_x, scale_y, trans_x, trans_y]
    # 应用仿射变换
    grid = F.affine_grid(θ, bg_feat.shape)
    aligned_feat = F.grid_sample(bg_feat, grid)
    return aligned_feat

人类反馈优化：

• 收集5000组AB测试数据构建偏好数据集
• 设计局部化DPO损失函数，重点优化前景边缘20像素区域的融合自然度

实验显示，该方法在COCO-Fusion数据集上获得78.3%的用户偏好率，远超次优方案。

4. 医学影像融合的突破性进展

4.1 退化感知的统一框架

昆明理工大学UniFuse（论文08）解决了医学影像中配准误差与退化的关键难题：

核心技术组件：

• 退化感知提示学习：通过3层CNN+ViT混合架构自动识别6类常见退化（运动模糊、噪声等）
• Spatial Mamba特征编码：在序列长度1024时仍保持O(n)复杂度，比Transformer节省60%内存
• ALSN适配器：采用低秩分解（rank=8）实现多任务参数共享，模型参数仅增加3%

在BraTS2025数据集测试中，对配准误差>15像素的图像，融合质量SSIM仍保持0.89以上。

5. 轻量化与实时融合方案

5.1 基于LUT的极速融合

武汉大学LUT-Fuse（论文05）实现了移动端实时处理：

创新点：

• 三阶张量分解：将传统4D LUT拆解为（空间×模态）×（频段）×（强度）子表
• 蒸馏策略：采用KL散度约束LUT输出与教师模型分布一致性

性能指标：

6. 未来研究方向预测

基于ICCV2025的论文分析，图像融合领域将呈现三大趋势：

1. 生成式融合：扩散模型与GAN的结合将解决复杂场景下的内容生成问题
2. 语义驱动融合：视觉-语言多模态预训练模型提供更精准的融合控制
3. 边缘计算：3D-LUT、神经压缩等技术推动终端设备实时应用

特别值得关注的是，论文10揭示的"源图像即注意力"现象（Source-as-Attention）可能引发新的架构设计范式——在特定任务中，简单的物理先验可能比复杂的学习机制更有效。