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。

2026-01-27 至 2026-01-27 共收录 3 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 音视频/视觉语言融合 3 篇

2601.18396 2026-01-27 eess.AS cs.CL cs.CV cs.SD 57%

Noise-Robust AV-ASR Using Visual Features Both in the Whisper Encoder and Decoder

利用视觉特征在Whisper编码器和解码器中提升抗噪的音频视觉自动语音识别

Zhengyang Li, Thomas Graave, Björn Möller, Zehang Wu, Matthias Franz, Tim Fingscheidt

机构 * Technische Universit\"at Braunschweig Institute for Communications Technology Schleinitzstr. 22, 38106 Braunschweig, Germany

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

AI总结本研究提出在Whisper编码器和解码器中同时使用视觉特征，以提升音频视觉识别在噪声环境下的鲁棒性，实验表明在不同噪声条件下均取得显著改进。

Comments accepted at ICASSP2026

2508.06515 2026-01-27 cs.CV 57%

BigTokDetect: A Clinically-Informed Vision-Language Modeling Framework for Detecting Pro-Bigorexia Videos on TikTok

BigTokDetect: 一种临床指导的视觉-语言建模框架，用于检测TikTok上促进大肌肉畸形行为的视频

Minh Duc Chu, Kshitij Pawar, Zihao He, Roxanna Sharifi, Ross Sonnenblick, Magdalayna Curry, Laura D'Adamo, Lindsay Young, Stuart B Murray, Kristina Lerman

机构 * USC Information Sciences Institute（USC信息科学研究所）； Keck School of Medicine, USC（USC凯克医学院）； Department of Clinical Psychology, Drexel University（德雷塞尔大学临床心理学系）； Department of Psychiatry and Biobehavioral Sciences, UCLA（UCLA精神病学与生物行为科学系）

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

AI总结 BigTokDetect通过临床指导的视觉-语言模型，检测TikTok上促进大肌肉畸形行为的视频，建立了可扩展的有害内容缓解框架。

2505.15139 2026-01-27 cs.CV 57%

Unified Cross-Modal Attention-Mixer Based Structural-Functional Connectomics Fusion for Neuropsychiatric Disorder Diagnosis

统一的跨模态注意力-混合器基于结构-功能连接组融合的神经精神疾病诊断

Badhan Mazumder, Lei Wu, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学）； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（跨机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学、佐治亚理工学院和埃默里大学）

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

AI总结本文提出ConneX方法，通过统一的跨模态注意力和MLP-Mixer实现结构-功能连接组的多模态融合，提升神经精神疾病诊断性能。

Comments Published in the Proceedings of the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2025). IEEE Xplore. DOI: 10.1109/EMBC58623.2025.11254194