本文介绍了一种新的深度学习架构，用于红外和可见图像融合问题。该架构通过编码网络和融合层来提取和融合图像特征，并使用解码器重建融合图像。该方法在客观和主观评估方面取得了最先进的性能。

该文介绍了一种创新的红外和可见图像融合方法AMFusionNet，通过使用多个卷积核和注意力机制，吸收红外图像的热力细节和可见源的纹理特征，生成了丰富信息的图像。实验证明，该方法在质量和数量上优于现有算法，并在公开可用数据集上显示了显著的改进。

本文介绍了一种新的深度学习架构，用于红外和可见图像融合问题。该架构包括编码网络、融合层和稠密块，并设计了两个融合策略。与现有的融合方法相比，该方法在客观和主观评估方面均取得了最先进的性能。