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。

2026-02-12 至 2026-02-12 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

2602.10138 2026-02-12 cs.CV cs.AI cs.CL cs.LG 79%

Multimodal Information Fusion for Chart Understanding: A Survey of MLLMs -- Evolution, Limitations, and Cognitive Enhancement

多模态信息融合用于图表理解：MLLMs的综述——演变、局限与认知增强

Zhihang Yi, Jian Zhao, Jiancheng Lv, Tao Wang

机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院）； Engineering Research Center of Machine Learning（机器学习工程研究中心）； China Telecom Institute of AI（中国电信人工智能研究院）

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

AI总结本文综述了多模态大语言模型在图表理解中的应用，分析了其演变、局限及未来发展方向，旨在推动更稳健的系统发展。

2602.10549 2026-02-12 cs.CV cs.AI 57%

Enhancing Weakly Supervised Multimodal Video Anomaly Detection through Text Guidance

通过文本引导增强弱监督多模态视频异常检测

Shengyang Sun, Jiashen Hua, Junyi Feng, Xiaojin Gong

机构 * School of Computer Science and Technology, Hangzhou Dianzi University（杭州电子科技大学计算机科学与技术学院）； Alibaba Cloud（阿里云）； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院）

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

AI总结本文提出文本引导框架，通过多阶段文本增强和多尺度瓶颈Transformer融合模块，提升弱监督多模态视频异常检测的性能。

Comments Accepted by IEEE Transactions on Multimedia

2503.13180 2026-02-12 cs.LG cs.AI cs.DC 50%

GC-Fed: Gradient Centralized Federated Learning with Partial Client Participation

GC-Fed: 带部分客户端参与的梯度集中联邦学习

Jungwon Seo, Ferhat Ozgur Catak, Chunming Rong, Kibeom Hong, Minhoe Kim

机构 * Department of Electrical Engineering and Computer Science, University of Stavanger（电子工程与计算机科学系，斯瓦尔内尔大学）； Department of Software, Sookmyung Women's University（软件系，淑明女子大学）； Department of Electrical and Information Engineering, Seoul National University of Science and Technology（电子与信息工程系，首尔科学技术大学）

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

AI总结 GC-Fed通过梯度集中技术缓解联邦学习中的客户端漂移问题，提升异构数据下的模型准确率。