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 1 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%

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

↑