AdaFuse:基于空间频率交叉注意力的自适应医学图像融合
原文中文,约300字,阅读约需1分钟。发表于: 。通过频率引导的注意力机制,交叉注意力融合和损失函数来实现多模式医学图像融合,提高融合图像的质量和保留细节。
该研究提出了SkipcrossNets,一种新型融合架构,可自适应地结合激光雷达点云和相机图像,实现特征传递和多模态特征融合。在KITTI和A2D2数据集上表现出色,模型参数只需2.33 MB的内存,在68.24 FPS的速度下运行,适用于移动终端和嵌入式设备。
通过频率引导的注意力机制,交叉注意力融合和损失函数来实现多模式医学图像融合,提高融合图像的质量和保留细节。
该研究提出了SkipcrossNets,一种新型融合架构,可自适应地结合激光雷达点云和相机图像,实现特征传递和多模态特征融合。在KITTI和A2D2数据集上表现出色,模型参数只需2.33 MB的内存,在68.24 FPS的速度下运行,适用于移动终端和嵌入式设备。