作者认为现有多模态图像融合方法（MMIF），在频率域应用方面未实现多尺度高低频的自适应整合，高频噪声抑制效果不佳。同时，Mamba能以线性计算复杂度建模图像的长距离依赖，为 MMIF 提供了高效的特征提取方案。
为此，作者构建了ISFM 框架，整体包含 模态特定提取器（MSE）、多尺度频率融合（MFF）、交互式空频融合（ISF） 三个模块，其实中核心是 MFF 和 ISF。
多尺度频率融合（MFF）： 如下图所示，采用 DWT将 特征分解为低频（LL）和高频（LH/HL/HH）分量；设计LFFB（低频融合块） ：通过池化 + 深度卷积提取多尺度全局信息，结合空间注意力实现低频自适应融合；设计HFFB（高频融合块）：通过不同尺寸平均池化相减增强边缘细节、抑制噪声，实现高频特征的鲁棒融合。输出两个特征，分别为用于 ISF 引导的特征、转换为空间域的特征。
交互式空频融合（ISF）： 核心为频率引导曼巴（FGM）和频率引导门（FGG），实现频率特征对空间融合的跨模态引导。FGM 通过深度卷积 + 2D-SSM 处理空间特征，结合 FGG 生成的门控特征调制空间特征，实现空频信息的交互式整合； FGG 对空间特征和频率特征进行全局编码，生成自适应门控权重，引导空间特征的跨模态融合，提升互补信息挖掘能力。
实验部分可以参考作者论文，这里不过多介绍。