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。

2025-09-23 至 2025-09-23 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

2509.16618 2025-09-23 cs.CV cs.AI 57%

Surgical-MambaLLM: Mamba2-enhanced Multimodal Large Language Model for VQLA in Robotic Surgery

Pengfei Hao, Hongqiu Wang, Shuaibo Li, Zhaohu Xing, Guang Yang, Kaishun Wu, Lei Zhu

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））； Imperial College London（帝国理工学院伦敦分校）； The Hong Kong University of Science and Technology（香港科学与技术大学）

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

Comments Early accepted by MICCAI2025

↑