MEF-TBN：面向多曝光图像融合的三分支特征提取与色彩增强网络
核心概要
该工作提出 MEF-TBN，一个在 YCbCr 空间工作的三分支网络，用上下文聚合注意力网络（CAAN）分支提取多尺度局部特征、用 transformer 分支以多头自注意力建模全局长距离依赖、并用色彩增强分支学习亮度与色度之间的映射关系，两个特征分支在低分辨率下生成权重图、经含三个 merger block 的合并模块细化后由导向滤波联合上采样（GFU）恢复到原分辨率，在三个 MEF 数据集上与 9 种代表性方法比较，在 AG、EI、SF 等图像特征类指标和 QCB、VIF、NIQE 等人类感知类指标上取得最优，MEF-SSIM 排名第二，相对 SwinFusion 在 QCB、VIF、NIQE、MEF-SSIM 上平均提升 11.5
深度剖析
提出以 CAAN 分支与 transformer 分支分别承担局部多尺度特征与全局长距离依赖建模，并用合并模块（三个 merger block）以逐元素相加加卷积细化的方式整合两路低分辨率权重图，再由导向滤波联合上采样（GFU）生成原分辨率权重图。 相较此前混合 CNN-Transformer 方法常用的简单拼接或复杂注意力融合，该设计保留两路特征的原始表示并以卷积细化，作者报告消融中移除任一分支都会使 MEF-SSIM、QCB、VIF 平均值明显下降，且用交叉注意力式融合替换后三项指标降至 0.9711、0.5138、0.9026。 在 SICE 训练集（589 个静态序列，每序列至少 3 个曝光）上训练，在 MEFB 等三个测试数据集上做定量与主观比较，并给出三分支、合并模块、上采样方式、分辨率与网络深度宽度的消融表。
提出色彩增强分支，以最过曝与最欠曝图像连同融合后的 Y 通道作为输入，用对称编解码全卷积网络学习亮度与色度的映射，替代对 Cb、Cr 的简单加权融合。 针对多数 MEF 方法只对亮度分量设计融合策略、对色度分量做简单加权求和而导致过曝或欠曝区域色彩失真的问题，该分支直接建模色彩与亮度的关系；消融显示移除该分支后 Colorfulness Index 平均值明显下降。 消融实验以 MEF-SSIM、QCB、VIF 与 Colorfulness Index 为指标，并配有主观对比图；训练时从每个序列中选取最过曝、欠曝与中间曝光图像用于该分支。
在统一评测下报告了与 9 种代表性 MEF 方法的比较结果，包括 10 项指标、用户偏好研究与效率对比。 作者报告其方法在 EN、AG、EI、SF、SD、QCB、VIF、NIQE 上最优，在 QY 与 MEF-SSIM 上第二；8 名志愿者（4 名研究者与 4 名非专业参与者）的盲选成对偏好比较中该方法偏好率 86.1% 排名第一，UltraFusion 为 73.1%；模型为 23.5M 参数、26.7G FLOPs、94MB，低于 SwinFusion 的 34.2M、41.5G、136.8MB 与 UltraFusion 的 217M、126.3G、868MB。 定量结果以平均值±标准差与 95% 置信区间给出，并对主要指标做 Wilcoxon 符号秩检验（p<0.05）；部分对比方法在相同 SICE 数据上重训，部分使用官方预训练模型。
启示与展望
该结果面向静态场景的多曝光融合，输入图像需已良好对齐，方法在 YCbCr 空间处理并支持任意分辨率与两张以上输入；作者报告其在 512s 训练、512s 至 2048s 测试时表现稳定，因此对高分辨率静态序列、需要自然色彩与人类感知质量的摄影或图像增强流程较为适用。
作者指出当前框架缺少运动检测或图像对齐机制，动态场景会产生鬼影，未来需引入对齐或去鬼影模块；此外，正文中部分公式、表格数值与图注在本次加载的文本中被截断，例如训练分辨率、导向滤波半径与部分消融数值的具体取值无法完整核对，读者若需复现应回到原文图表确认这些细节。