本仓库提供了一个使用Python实现的图像融合评估指标集合，涵盖了多种常用的评估方法。这些指标可以帮助研究人员和开发者评估图像融合算法的效果，并进行对比分析。支持单幅图像评估、单个算法的所有融合结果评估，以及所有对比算法的直接计算，并支持结果写入Excel文件。
VIFB 是可见光-红外图像融合 （VIF） 领域的第一个（也是迄今为止唯一的一个）基准测试，旨在提供一个平台来对 VIF 算法进行公平和全面的性能比较。 目前，VIFB 集成了 21 个图像对、20 个融合算法和 13 个评估指标，可以方便地进行性能对比。所有融合结果也可供用户直接使用。此外，使用提供的工具包可以轻松添加更多测试图像、融合算法（在 Matlab 中）、评估指标和融合图像。
SODFormer：事件和帧的 Transformer 进行流式对象检测。PKU-DAVIS-SOD 大型多模态神经形态目标检测集，低光和高速运动模糊，DAVIS346 ，分辨率 346 * 260。含 3 种交通场景，记录 220 个序列， RGB 帧和 DVS 事件，每序列约 1分钟，25 FPS 的 RGB 帧。手动注释 25 Hz 频率，共 276k 个标记时间戳与 1080.1k 标签。
《Image fusion in the loop of high-level vision tasks: A semantic-aware real-time infrared and visible image fusion network》 红外和可见光图像融合多光谱数据集。MFNet 数据集包含 1,569 个图像对（820 个在白天拍摄，749 夜间），空间分辨率为 480 × 640。
《Image fusion in the loop of high-level vision tasks: A semantic-aware real-time infrared and visible image fusion network》提出语义感知的图像融合框架，轻量级网络。设计Gradient Residual Dense Block（GRDB）。EN，MI，SF等指标衡量图像融合好坏
Infrared and Visible Image Fusion using a Deep Learning Framework 1.这篇是2018年ICPR会议上发表的文章。这算比较早期在VIF（红外光和可见光图像融合）中加入了深度学习这一模型的论文。 2.这篇文章并不是完全使用深度学习的模型，模型主体在图像分解和融合仍然采用传统的方法，只有其中一个分支在特征提取和重建方面用到了VGG网络。
百万级别的事件流数据集:ES-ImageNet （仿DVS相机原理生成的仿真数据集） 文章 ： https://www.frontiersin.org/articles/10.3389/fnins.2021.726582/full 代码： https://github.com/lyh983012/ES-imagenet-master 数据集下载：下载链接
《Detecting Line Segments in Motion-blurred Images with Events》 设计了一个通用的帧-事件特征融合网络，该网络由基于通道注意力的浅融合模块和基于自注意力的双沙漏模块组成。然后，利用两个最先进的线框解析网络来检测融合特征图上的线段。还贡献 FE-Wireframe 和 FE-Blurframe，具有成对的运动模糊图像和事件。
