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。

2025-08-29 至 2025-08-29 共收录 1 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 音视频/视觉语言融合 1 篇

2508.16188 2025-08-29 cs.CL cs.CV cs.MM cs.SD eess.AS 62%

Weiting Tan, Jiachen Lian, Hirofumi Inaguma, Paden Tomasello, Philipp Koehn, Xutai Ma

机构 * Johns Hopkins University（约翰霍普金斯大学）； Meta AI Research（Meta AI 研究）

专题命中音视频/视觉语言融合：multimodal fusion(abstract)；分类 cs.CV、cs.MM

Comments EMNLP 2025 (Findings)