Este estudio propone un método de fusión de imágenes infrarrojas y visibles basado en la interacción de características. Los métodos de fusión existentes pueden clasificarse en dos categorías basadas en una red de una sola rama y una red de dos ramas. Las redes generativas adversarias son ampliamente utilizadas en métodos de fusión basados en una sola rama, que ignoran la diferencia en la extracción de características causada por diferentes imágenes de entrada. La mayoría de los métodos de fusión basados en dos ramas utilizan redes neuronales convolucionales, que no tienen en cuenta la promoción inversa de los resultados de fusión y carecen de la interacción entre diferentes características de entrada. Para remediar las deficiencias de estos métodos de fusión y aprovechar mejor la característica de las imágenes de origen, este estudio propone un método de interacción de características de dos ramas basado en una red generativa adversaria para la fusión de imágenes visibles e infrarrojas. En la parte del generador, se diseñó un enfoque de interacción de características de dos ramas para extraer características de diferentes entradas y realizar la interacción de características a través de la conexión de red de diferentes ramas. En la parte del discriminador, se utilizó un discriminador de doble clasificación para imágenes visibles e infrarrojas. Experimentos de comparación extensos con métodos de última generación han demostrado las ventajas de esta red generativa adversaria propuesta basada en la interacción de características de dos ramas, que pueden mejorar los detalles de textura de los objetos en los resultados de fusión y reducir la interferencia de la información de ruido de las entradas de origen. Además, las ventajas mencionadas también se confirmaron en experimentos de generalización de detección de objetos.