本文综述了遥感图像全色锐化的多项研究，包括结合扩散模型与低秩矩阵分解的无监督方法、无需全色输入的深度学习增强技术、基于细节注入的CNN框架、全分辨率训练框架、PanBench数据集与CMFNet、逐波段自适应方法、TFNet双流融合网络、基于Transformer的融合方法、MSDCNN多尺度网络及梯度投影全色锐化神经网络，这些方法在实验中均优于传统或现有方法。

本文汇总多项深度学习研究，涵盖自监督单目深度估计（模糊边界与自适应高斯滤波器）、FPANet频域与空间域去摩尔纹、人脸反欺诈的自适应专家混合框架、PanBench数据集与CMFNet全色锐化、频率感知掩码自编码器bioFAME多模态生物信号建模、MEF-SFI多曝光图像融合、基于MIM的医学图像分割预训练、全分辨率泛光提升框架、无需全色图像的全色增强方法，以及高光谱泛光谱技术比较与MATLAB工具箱。