本研究提出Pix2Next框架，通过结合编码-解码架构和交叉注意力机制，从RGB生成高质量近红外图像。该方法提升了特征整合能力，实现了多细节层次的真实图像生成，FID得分提高34.81%，并在目标检测任务中验证了其有效性，展示了在近红外计算机视觉应用中的潜力。