本文提出了一种新框架LaPIG，利用大语言模型生成高质量的可见光与热成像人脸图像，解决了大规模成对数据集获取的难题。研究表明，LaPIG能够生成多视角图像，提升数据多样性，优于现有方法。

本研究解决了天文学中不同波段星系观测数据之间的转换问题，提出了一种基于生成深度学习的图像到图像模型。该模型不仅能有效插值和外推不同波段的数据，还在真实观测数据的预测中表现出高保真度，展示了生成学习在天文数据集增强与多波段信息探测中的潜在价值。

本研究探讨了可见光-红外人员再识别的多种方法，提出了基于批量归一化的交叉模态神经架构搜索（CM-NAS）和无监督匹配框架，显著提升了跨模态匹配性能。通过模态统一网络和多内存匹配框架，解决了模态差异和类内变异问题，实验结果在多个数据集上优于现有方法。

本研究提出了一种新框架，通过结合可见光与热成像，解决了深度估计中的像素级特征匹配问题，显著提高了在不同照明条件下的准确性。

本研究提出Loris系统，结合可见光与红外摄像机，增强纳米卫星在恶劣空间条件下的能力，以满足关键任务需求并提升数据处理能力，支持远程感知应用。

本文提出了一种简单而有效的可见光和红外图像融合框架SimpleFusion，通过Retinex理论将可见光和红外图像分解成反射和光照部分，并进行相应元素的融合。采用两个简单的卷积神经网络设计，能够高效地执行图像分解和融合，实验证明该方法优于之前最先进的方法。

本研究提出了一种名为Loris的机载人工智能子系统，利用可见光和红外摄像机，在恶劣空间条件下执行人工智能模型，并采用下一代图像压缩算法。该创新方法提高了纳米卫星的数据处理能力，为更广泛的应用奠定了基础。

本文介绍了一种基于可见光和热红外图像融合的目标跟踪方法，通过即时学习将两种模态信息融合，提出了一个轻量级的学习器，实验证明其有效性和高效性。

本文介绍了一种基于可见光和热红外图像融合的目标跟踪方法，通过即时学习将两种模态信息融合，提出了一个轻量级的学习器，实验证明其有效性和高效性。

基于土壤属性输入的全数据驱动土壤光学生成模型（SOGM）可以模拟土壤反射光谱，并与植物建模软件Helios 3D耦合，生成模拟土壤和植物场景的合成航拍图像。可轻松集成于PROSAIL等用于遥感研究的土壤植物辐射模型。

本研究提出了名为Loris的系统，利用可见光和红外摄像机设计机载人工智能子系统的硬件和软件。该系统能在恶劣空间条件下稳健运行，满足计算资源有限、宇宙辐射耐受性、极端温度变化、分布偏移和传输带宽有限等要求。提高纳米卫星的数据处理能力，为空间远程感知等应用奠定基础。

提出了一种名为 UniRGB-IR 的可扩展和高效框架，利用适应器（adapter）将丰富的 RGB-IR 特征引入基于 RGB 的预先训练基础模型，该方法在各种 RGB-IR 下游任务上实现了最先进的性能。

通过使用基于Transformer的新型模型，将可见光图像转换为高保真红外图像，解决了低光条件下可见光图像对比度低的问题，并在质量和数量上有显着优势，为红外图像的下游应用提供了更有效的支持。

本文介绍了一种基于可见光和热红外图像融合的目标跟踪方法，通过即时学习将两种模态信息融合，提出了一个轻量级的学习器，实验证明其有效性和高效性。

本论文提出了一种基于深度学习的多模态图像对齐解决方案，通过使用卷积神经网络的特征嵌入模块，实现了与最先进方法相媲美的结果。

可见 - 红外人员再识别（VIReID）通过融合高级语义与视觉特征来处理不同模态的人员图像之间的身份匹配。基于 CLIP 的语义发现网络（CSDN）通过多模态学习的文本标记和集成文本特征来嵌入高级语义信息，提高了视觉特征的模态不变性。实验评估证实了 CSDN 方法的有效性和优越性。

研究人员提出了一种基于可见光和热红外图像融合的目标跟踪方法，通过即时学习将两种模态信息融合，实现了高效且有效的跟踪架构。该方法在保持高运行速度的同时，实现了最先进的性能。

研究人员提出了一种基于可见光和热红外图像融合的目标跟踪方法，通过轻量级的即时学习器实现了两种模态信息的全面融合，该跟踪架构既有效又高效。

本研究提出了一种基于文本引导的多模态图像融合方法，通过结合红外和可见光图像的语义信息，为目标检测任务提供更准确和鲁棒的结果。研究使用代码增强融合动态的表达，并通过双层优化策略同时优化融合和检测问题，取得了与现有方法相比更高的检测平均精度和视觉上优越的融合结果。

通过引入区域数据增强和轻量级混合补偿模块的转移感知行人关注学习 (TMPA) 模型，提出了一种新颖的可见 - 红外行人再识别方法。实验证明了TMPA模型的有效性。