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，结合可见光和热成像技术，解决了不良照明条件下的深度估计问题。引入交叉模态特征匹配模块，显著提高了像素级匹配的准确性。

本研究提出了多种新方法以改善可见光-红外行人再识别（Re-ID）性能，包括跨模态特征学习、无监督匹配框架和参数优化策略。实验结果表明，这些方法在标准数据集上优于现有技术，显著提高了识别准确性。

本文介绍了一种基于时间序列的视频人员重识别方法，利用动态时间扭曲模型实现自动对齐和匹配。研究提出了多种框架和数据集，提升了可见光与红外人员重识别的性能，并解决了异构摄像头间的身份关联问题。实验结果表明，该方法在多个数据集上表现优越，为该领域的进一步研究奠定基础。

本研究提出了一种新颖的可见光-红外人员重识别方法，利用模态统一网络（MUN）和转移感知行人关注学习（TMPA）模型，显著提高了识别性能。通过动态建模模态特定和共享特征，解决了跨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。

DiffusionSat 是一个大型生成基础模型，利用高分辨率遥感数据集进行训练，能够处理卫星图像生成和超分辨率等多种任务。此外，研究还提出了基于深度学习的模型，用于多光谱和高光谱图像建模，展示了其在数据同化中的应用潜力。

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。

本研究提出了多种新颖方法来解决可见光与红外人物重识别问题，包括特征学习框架、无监督重识别框架和模态对齐技术，显著提升了跨模态检索性能，推动了该领域的发展。

该研究提出了一种基于 I2V-GAN 的视频翻译方法，能够生成细粒度和时空一致的可见光视频。方法结合了对抗损失、循环一致性和相似性约束，并引入了新的 IRVI 数据集。研究还探讨了红外与可见光图像的融合及目标检测等技术，展现了优越的性能和良好的泛化能力。

本研究提出了一种新颖的可见光-红外人物重识别（VI-ReID）框架，通过动态建模模态特定和共享表示，显著提高了特征学习效果。采用深度学习和多模态技术，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，为24小时监控系统中的人物检索提供了基础。

本文提出了多种方法以改善可见光与红外人员重识别系统的性能，包括四流框架、跨模态对齐和特征学习等。这些方法在多个数据集上表现优于现有技术，显著提高了跨模态检索的准确性和鲁棒性。

该文综述基于深度学习的视觉定位与图像对齐研究，涵盖车载摄像机定位、跨视角图像地理定位、单应矩阵估计、平面跟踪及单目视觉里程计，利用卷积神经网络、循环网络和多模态嵌入提升精度与鲁棒性。

本文综述可见光-红外行人重识别（VI-ReID）研究进展，介绍层次跨模态解耦、像素级模态抑制、互信息与模态一致性网络、CLIP驱动细粒度挖掘（CFine）、对齐灰度模态、四流框架、模态统一网络（MUN）、渐进共享模态Transformer（PMT）及多样化嵌入扩展网络等跨模态方法，并构建BUPTCampus数据集，在多个基准上优于现有方法。

本文综述多模态红外与可见光图像融合研究，涵盖TarDAL双层优化目标感知对抗网络及标定采集系统、TextFusion视觉-语言模型文本引导融合与IVT数据集，以及贝叶斯融合、深度学习单图融合、多尺度双注意MDA、AMFusionNet、感知感知鲁棒融合、MAFNet跨模态跟踪等方法，并探讨热红外超分辨率与基准数据集。

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。

本研究使用非标记的SAR数据，通过预训练和微调DINO模型，预测高分辨率土地覆盖地图。发现预训练模型性能略有提升，讨论了自监督学习在遥感和土地覆盖分割中的局限性和机会。展示了ViT的注意力图在遥感领域具有内在价值，并可能为其他算法提供有用的输入。为地球观测提供更好的自监督学习模型基础。

本研究提出了一种可匹配可见光和红外相机捕捉的人物的可视红外人物再识别方法（VI-ReID），通过构建大规模数据集并应用生成对抗网络和课程学习等方法，取得了显著优越的实验结果。

该研究提出了一种多域特征关系学习网络（MD-FRN），通过学习交互式跨域特征关系，提高了稳健性，并发布了一个包含1300对可见光和红外图像的数据集VL-CMIM。