arXivDaily arXiv每日学术速递 周一至周五更新

视觉与机器人

多模态信息融合

面向图像、视频、多传感器和跨模态感知的信息融合,包括 Image Fusion、红外可见光、遥感、医学影像、LiDAR/雷达/相机和音视频融合。

2025-08-11 至 2025-08-11 共收录 2 信号源:cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 融合架构与评测 2 篇

2502.06836 2025-08-11 cs.LG cond-mat.mtrl-sci cs.AI 71%

CAST: Cross Attention based multimodal fusion of Structure and Text for materials property prediction

Jaewan Lee, Changyoung Park, Hongjun Yang, Sungbin Lim, Woohyung Lim, Sehui Han

机构 * LG AI Research(LG人工智能研究)

专题命中 融合架构与评测 :multimodal fusion(title)

Comments 11 pages, 4 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.03256 2025-08-11 cs.GR cs.CV 57%

MoDA: Multi-modal Diffusion Architecture for Talking Head Generation

Xinyang Li, Gen Li, Zhihui Lin, Yichen Qian, GongXin Yao, Weinan Jia, Aowen Wang, Weihua Chen, Fan Wang

机构 * Xunguang Team, DAMO Academy, Alibaba Group(达摩院、阿里集团) Zhejiang University(浙江大学) Hupan Lab(虎盘实验室)

专题命中 融合架构与评测 :information fusion(abstract);分类 cs.CV

Comments 12 pages, 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏