(aaai2025) FD2-Net: Frequency-Driven Feature Decomposition Network

这个论文核心思想认为：多源融合目标检测方法忽略了频率上的互补特征，如可见光图像中丰富的高频细节和红外图像中有价值的低频热信息，从而限制了检测性能。作者的思路是（如下图中的II所示），分别对可见光和红外图像提取高频、低频特征，将二者重新耦合。

为此，作者提出了Frequency-Driven Feature Decomposition Network （FD2Net），如下图所示，包括三个部分：特征分解编码器，多模态重建，多尺度检测头。

1. Feature decomposition encoder：高频使用DCT变换提取，低频使用大核卷积来提取。然后交叉融合。
2. Multimodal Reconstruction：在特征上进行互补的 mask，然后再分别重建回可见光与红外图像。
3. Multi-Scale Detection Heads 就是FPN。

网络特点是，一方面要重建，另一方面要检测。二者同时训练。其它部分可以参考作者论文，这里不过多介绍。