多模态信息融合

MixRI: Mixing Features of Reference Images for Novel Object Pose Estimation

MixRI：用于新颖物体姿态估计的参考图像特征混合

Xinhang Liu, Jiawei Shi, Zheng Dang, Yuchao Dai

机构 * School of Electronics and Information, Northwestern Polytechnical University（电子与信息学院，西北工业大学） ； Shaanxi Key Laboratory of Information Acquisition and Processing（陕西省信息获取与处理重点实验室） ； CVLab, EPFL, Switzerland（EPFL瑞士计算机视觉实验室） 纠错

专题命中 通用Image Fusion ：image fusion(abstract)；分类 cs.CV

AI总结 MixRI通过轻量级网络和参考图像融合策略，实现新颖物体姿态估计，减少计算和存储需求，同时保持与传统方法相当的性能。

Comments Accepted by ICCV 2025

Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (2025) 9024--9035

Navigation Around Unknown Space Objects Using Visible-Thermal Image Fusion

利用可见光与热红外图像融合进行未知空间物体的导航

Eric J. Elias, Michael Esswein, Jonathan P. How, David W. Miller

机构 * Draper Scholar, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Senior Member of Technical Staff, The Charles Stark Draper Laboratory Inc.（查尔斯·斯塔克·德拉珀实验室公司） ； Ford Professor of Engineering, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Professor Post Tenure, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） 纠错

专题命中 红外-可见光融合 ：image fusion(title)；分类 cs.CV、cs.RO

AI总结 本文提出利用可见光与热红外图像融合技术，提升在复杂光照条件下对未知空间物体的导航精度。

Comments 18 pages, 11 figures. To be published in proceedings of AIAA SCITECH 2026 Forum

Exchange Is All You Need for Remote Sensing Change Detection

交换即为远程感知变化检测所需

Sijun Dong, Siming Fu, Kaiyu Li, Xiangyong Cao, Xiaoliang Meng, Bo Du

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

AI总结 SEED通过参数无关的特征交换替代显式差分，实现高效且稳健的遥感变化检测。

From Features to Reference Points: Lightweight and Adaptive Fusion for Cooperative Autonomous Driving

从特征到参考点：轻量且自适应的融合用于协同自动驾驶

Yongqi Zhu, Morui Zhu, Qi Chen, Deyuan Qu, Isabella Luo, Song Fu, Qing Yang

机构 * University of North Texas（北卡罗来纳大学达灵顿分校） ； Toyota InfoTech Labs（丰田信息技术实验室） ； The Hockaday School（霍克达伊学校） 纠错

专题命中 自动驾驶多传感器融合 ：feature-level fusion(abstract)；分类 cs.CV

AI总结 RefPtsFusion通过交换紧凑的参考点实现轻量且自适应的协同自动驾驶融合，显著降低通信开销并保持感知性能。

Comments v2: Updated author list to reflect contributions to this work

Hybrid LSTM-UKF Framework: Ankle Angle and Ground Reaction Force Estimation

混合LSTM-UKF框架：踝角和地面反作用力估计

Mundla Narasimhappa, Praveen Kumar

机构 * Department of Computer Science Engineering SRMIST University（计算机科学工程系 SRMIST 大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 本文提出混合LSTM-UKF框架，用于在不同行走速度下准确估计踝角和地面反作用力，通过多模态传感器融合提升生物力学分析的可靠性。

Comments 8

PARL: Position-Aware Relation Learning Network for Document Layout Analysis

PARL：面向文档布局分析的位置感知关系学习网络

Fuyuan Liu, Dianyu Yu, He Ren, Nayu Liu, Xiaomian Kang, Delai Qiu, Fa Zhang, Genpeng Zhen, Shengping Liu, Jiaen Liang, Wei Huang, Yining Wang, Junnan Zhu

机构 * Unisound AI Technology Co.Ltd（Unisound人工智能技术有限公司） ； MAIS, Institute of Automation, CAS（MAIS，自动化研究所，中国科学院） ； Beihang University（北航） ； School of Computer Science and Technology, Tiangong University（天工大学计算机科学与技术学院） 纠错

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

AI总结 PARL提出一种无OCR的纯视觉框架，通过位置敏感性和关系结构建模文档布局，实现高效且鲁棒的布局分析。

Arithmetic Average Density Fusion -- Part IV: Distributed Heterogeneous Fusion of RFS and LRFS Filters via Variational Approximation

算术平均密度融合——第四部分：通过变分近似实现RFS和LRFS滤波器的分布式异构融合

Tiancheng Li, Haozhe Liang, Guchong Li, Jesús García Herrero, Quan Pan

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

AI总结 本文提出基于变分近似的分布式异构融合方法，实现RFS与LRFS滤波器的协同跟踪，通过平均PHD达成共识，适用于同构和异构多传感器场景。

Comments 13 pages,14 figures

Journal ref IEEE Transactions on Signal Processing, vol. 73, pp. 1454-1469, 2025

Explainable Multimodal Aspect-Based Sentiment Analysis with Dependency-guided Large Language Model

可解释的多模态基于方面的情感分析与依赖引导的大语言模型

Zhongzheng Wang, Yuanhe Tian, Hongzhi Wang, Yan Song

机构 * Harbin Institute of Technology（哈尔滨工程大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出了一种基于依赖引导的大语言模型的多模态情感分析方法，通过生成可解释的自然语言解释来提升情感分类的准确性。

Comments 9 pages, 3 figures