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。

2026-01-13 至 2026-01-13 共收录 3 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 融合架构与评测 3 篇

2601.07620 2026-01-13 cs.CV 57%

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）

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。

2402.00080 2026-01-13 eess.SY cs.SY eess.SP 57%

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

2601.06848 2026-01-13 cs.CL 50%

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）

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