该研究提出了一种名为Text-DiFuse的交互式多模态图像融合框架，旨在解决现有方法在图像融合中未能有效处理的复合降质问题。通过将特征信息整合到扩散过程中，并利用文本控制，Text-DiFuse显著提高了融合性能，尤其在复杂降质场景中表现出色，实验验证了其在语义分割中的显著提升。