저조도 환경이나 야간과 같이 시각 정보 획득이 어려운 극한 상황에서 자율주행, 로보틱스, 감시 등의 응용 분야에 대한 신뢰할 수 있는 인지 능력 확보는 매우 중요합니다. 본 논문에서는 적외선 영상을 통합하는 다중 모달 이미지 융합 기술이 상호 보완적인 정보를 결합하여 장면 이해 및 의사결정을 향상시키는 강력한 솔루션을 제공한다는 점에 주목합니다. 기존 GAN 기반 방법은 세밀한 디테일이 부족한 흐릿한 이미지를 생성하고, AE 기반 방법은 특정 모달리티에 치우쳐 비자연스러운 융합 결과를 초래하는 한계를 지닌다는 점을 지적하며, 이러한 문제를 해결하기 위해 선명하고 자연스러운 융합 이미지를 생성하는 2단계 판별적 오토인코더 프레임워크인 DAE-Fuse를 제안합니다. 또한, 정지 이미지에서 비디오 영역으로 이미지 융합 기술을 확장하여 프레임 간의 시간적 일관성을 유지함으로써 자율 주행에 필요한 지각 능력을 향상시킵니다. 공개 데이터셋을 이용한 광범위한 실험을 통해 DAE-Fuse가 여러 벤치마크에서 최첨단 성능을 달성하고 의료 이미지 융합과 같은 작업에 대한 우수한 일반화 성능을 보임을 입증합니다.