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。

2025-10-14 至 2025-10-14 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

2510.10560 2025-10-14 cs.CL cs.AI cs.CV 74%

Euhid Aman, Esteban Carlin, Hsing-Kuo Pao, Giovanni Beltrame, Ghaluh Indah Permata Sari, Yie-Tarng Chen

机构 * NTUST（国立台湾科技大学）； Polytechnique Montréal（蒙特利尔理工学院）

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

Comments 6 pages, BabyLM Workshop, EMNLP 2025