DCAF / IVIF - 项目

红外和可见光各自缺什么

复杂光照下，可见光能够呈现场景结构，却可能淹没热目标；红外突出热信息，却较难表达丰富纹理。研究要解决的是两种信息如何互补，而不是简单把图像叠在一起。

两种成像，各自看见一部分。原始IR/VIS与既有融合输出 — 可见光结构与红外热目标互补，单模态有信息缺口。

高频规则与低频网络

我用拉普拉斯金字塔将输入拆为高频细节与低频基底。高频分支按绝对值取大保留细节；低频分支拼接双源基底，经过卷积、密集连接、SE通道注意力与解码，最后重构输出。SE自适应加权通道；它不等于已经验证的昼夜分类器。

把学习能力，用在需要预测的部分。依据源码重排的L1解释性架构 — 网络仅估计低频基底，高频MaxAbs选择显著细节。

图像对比与整体指标

论文中的真实对比图将可见光、红外与多种融合方法排在同一场景下。红框关注热目标，蓝框关注可见光结构。局部图用于解释差异，整体361对指标用于判断表现；少数漂亮样例不替代整体评估。

先看图像，再看指标。已有最终论文图4-1完整对比与局部放大 — 原始定性对比让观众自己检查目标和纹理。

分解深度的消融

层数比较让研究从结构设想走向模型选择。当前checkpoint与推理协议下，L1的MSRS SSIM为0.638664，L2为0.603175，L3为0.327499，因此论文推荐L1，保留L2作结构消融。这是推理层数比较，不是各层独立重训练后的普遍定论。

更深的分解，未必是更好的选择。源记录驱动的层数SSIM柱状图与既有消融图 — 当前checkpoint和协议中L1优于更深分解。

模型大小与基线比较

MSRS 361对测试中，DCAF-L1取得0.638664的源图平均SSIM，接近本协议中的SFDFusion 0.639304，参数量为37,809。MPS的12对子集同步审计记录forward均值18.055ms、端到端69.513ms。这里强调质量与规模的取舍，不将不同设备的计时折成加速倍数。

小模型，仍可接近强基线。真实SSIM比较与参数/本机计时记录 — 37,809参数接近强基线SSIM，同时明确计时范围。

下游检测结果

固定YOLOv8n在同一80图、193目标实例子集中，DCAF-L1输入mAP50为0.926455，可见光为0.793305。语义分割中L1 mIoU却低于可见光；TNO和RoadScene零样本测试也仍弱于EMAFusion的SSIM。这些结果使结论保持具体：融合评价、下游任务与跨域表现需要分别判断。

图像更好看，还要问任务是否受益。记录驱动的检测与分割对比、跨域SSIM — 检测子集改善，但分割和跨域并非全赢。

训练与评估记录

研究留下的不只是一次模型输出，还有配置、逐图记录、表格、论文版本、答辩与优秀毕业论文展海报。我完成方法和实验实现，并将研究判断整理成论文与演示材料；这套过程让结果能够回到来源，也保留了失败实验与尚未解决的边界。

让每一个结论，回到实验过程。已有最终答辩方法页、优秀毕业论文展海报 — 代码与实验、文稿和展示构成可追溯研究闭环。

我的工作

这是我的本科毕业设计。我围绕方法实现、训练与评估、基线对照、消融实验、下游验证和可视化演示建立研究流程，并完成论文与答辩材料。论文在导师指导下完成，获优秀毕业论文；公共数据集与外部基线分别保留来源。

实验之后的选择

我最终推荐 DCAF-L1，也保留更深结构的消融结果与不同任务间的差异。模型的规模、图像质量和任务表现，需要放在一起判断。边缘硬件部署和复杂跨场景适应性仍需进一步验证。

使用既有研究图片与记录；架构、数据图为展示重排。优秀毕业论文荣誉由本人确认，已有展示海报用于说明研究过程。

数据与对照方法来源：MSRS 数据集作者仓库；SFDFusion 作者实现；PIAFusion 作者实现与复现入口。