PulseAugur
中
实时 06:01:54
English(EN) Current Injection Spiking Neural Network for Infrared and Visible Image Fusion

新型脉冲神经网络以能效提升图像融合效果

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的电流注入脉冲（CIS）算子用于脉冲神经网络（SNN），以改进红外与可见光图像融合（IVIF）。这种新方法在脉冲发放前，在膜电位层面整合了两种模态的信息，与传统的SNN相比，能够实现更全面的融合。基于该算子的CIS-Fuse网络，在融合质量上可与最先进的人工神经网络（ANN）方法相媲美，同时提供了显著更低的推理能耗。 AI

影响 引入了一种更具能效的图像融合方法，可能影响需要低功耗设备实时处理的应用。

排序理由 学术论文，详细介绍了使用脉冲神经网络进行图像融合的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型脉冲神经网络以能效提升图像融合效果

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Rui Zhao, Zhuoyuan Li, Wenrui Li, Yanchen Dong, Yajing Zheng, Giuseppe Valenzise, Weisi Lin ·

    用于红外与可见光图像融合的电流注入脉冲神经网络

    arXiv:2607.19879v1 Announce Type: new Abstract: Infrared and visible image fusion (IVIF) integrates the complementary information of two modalities into a single image with richer scene content. While existing methods are largely built on artificial neural networks (ANNs), which …

相关实体

相关话题