【IVIF】MAFusion: Multiscale Attention Network for Infrared and Visible Image Fusion

本篇的Baseline应该是DeepFuse，两阶段训练，固定AE后，再加入中间的融合层训练。融合策略的方式可以留意一下，把源图像的特征作差得到差异特征，然后求取加权值。
编码器提取了4级多尺度特征，解码器中作者也是想使用多尺度的跳跃连接（有很多实现方式，作者试了一种）
损失函数就一个平均梯度算子提取的梯度损失和一个像素强度损失。
发表自TIM 2022
代码公开

1、融合策略

1. 作差，取全局最大池化，除以最大值，归一化到 [0,1] 。这里IR-VIS，然后VIS-IR得到了两个插值图。
2. 再通过Repeat操作，变换回与插值图一样的维度，除以插值图的最大值，归一化到【0，1】，如此一来，每个点的权重就不同了。我一开始以为他是作差，直接归一化，然后复制回与插值图一样的维度，这样，每一一个长条权重都是一样的了，这样就还好点