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。

2026-01-30 至 2026-01-30 共收录 2 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

2601.21675 2026-01-30 cs.MM 57%

Rethinking Fusion: Disentangled Learning of Shared and Modality-Specific Information for Stance Detection

重新思考融合：为立场检测学习解耦的共享信息和模态特定信息

Zhiyu Xie, Fuqiang Niu, Genan Dai, Qianlong Wang, Li Dong, Bowen Zhang, Hu Huang

专题命中音视频/视觉语言融合：multi-modal fusion(abstract)；分类 cs.MM

AI总结 DiME通过解耦共享和模态特定信息提升多模态立场检测性能，采用对比学习和余弦对齐的专家模块实现更准确的立场预测。

Comments ICASSP 2026

2. 融合架构与评测 1 篇

2601.22039 2026-01-30 cs.CV 57%

Understanding Multimodal Complementarity for Single-Frame Action Anticipation

理解单帧动作预测中的多模态互补性

Manuel Benavent-Lledo, Konstantinos Bacharidis, Konstantinos Papoutsakis, Antonis Argyros, Jose Garcia-Rodriguez

机构 * Department of Computer Technology, University of Alicante（阿尔瓦雷斯大学计算机技术系）； Institute of Computer Science, FORTH（福蒂研究所）； Computer Science Department, University of Crete（克里特大学计算机科学系）； Department of Management, Science and Technology, Hellenic Mediterranean University（希腊地中海大学管理、科学与技术系）

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

AI总结本研究通过单帧动作预测框架AAG+，探索多模态互补性对动作预测的影响，验证单帧信息在动作预测中的有效性。