多模态信息融合

Fose: Fusion of One-Step Diffusion and End-to-End Network for Pansharpening

Fose：一阶段扩散与端到端网络融合用于全色增强

Kai Liu, Zeli Lin, Weibo Wang, Linghe Kong, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；image fusion(abstract)；分类 cs.CV

AI总结 Fose通过融合一步扩散模型与端到端网络，实现全色增强的高效高精度处理，提升速度7.42倍并优于基线模型。

Comments Code link: https://github.com/Kai-Liu001/Fose

Any-Optical-Model: A Universal Foundation Model for Optical Remote Sensing

Any-Optical-Model: 一种通用的光学遥感基础模型

Xuyang Li, Chenyu Li, Danfeng Hong

专题命中 遥感融合与全色锐化 ：sensor fusion(abstract)；分类 cs.CV

AI总结 Any-Optical-Model提出了一种通用的光学遥感基础模型，能够适应任意波段配置、传感器类型和分辨率尺度，通过多尺度自适应补丁嵌入和语义对齐机制实现光谱-空间关系建模，有效提升遥感任务的泛化能力和实际应用性能。

Comments Accepted by AAAI2026

Adaptive Covariance and Quaternion-Focused Hybrid Error-State EKF/UKF for Visual-Inertial Odometry

自适应协方差与四元数聚焦混合误差状态EKF/UKF用于视觉-惯性里程计

Ufuk Asil, Efendi Nasibov

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出一种自适应协方差与四元数聚焦混合误差状态EKF/UKF方法，用于提升无人机在复杂环境下的视觉-惯性里程计性能，实现高精度姿态估计与低计算成本的平衡。