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。

2026-02-27 至 2026-02-27 共收录 5 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 红外-可见光融合 1 篇

2412.16654 2026-02-27 cs.CV 57%

IV-tuning: Parameter-Efficient Transfer Learning for Infrared-Visible Tasks

IV-tuning: 用于红外-可见任务的参数高效迁移学习

Yaming Zhang, Chenqiang Gao, Fangcen Liu, Junjie Guo, Lan Wang, Xinggan Peng, Deyu Meng

专题命中红外-可见光融合：infrared and visible(abstract)；分类 cs.CV

AI总结 IV-tuning通过冻结参数和高效微调，提升红外-可见任务的泛化能力和计算效率。

2. 音视频/视觉语言融合 1 篇

2602.23300 2026-02-27 cs.CL eess.AS 50%

A Mixture-of-Experts Model for Multimodal Emotion Recognition in Conversations

一种用于对话中多模态情绪识别的专家混合模型

Soumya Dutta, Smruthi Balaji, Sriram Ganapathy

机构 * LEAP Lab, Department of Electrical Engineering（LEAP实验室，电气工程系）； Microsoft（微软）

专题命中音视频/视觉语言融合：information fusion(abstract)

AI总结 MiSTER-E通过专家混合框架提升对话中多模态情绪识别的准确率，实现跨模态一致性与融合。

Comments Accepted to Elsevier Computer Speech and Language. 30 pages, 9 figures, 5 tables

3. 融合架构与评测 3 篇

2602.23132 2026-02-27 cs.IR cs.LG 50%

From Agnostic to Specific: Latent Preference Diffusion for Multi-Behavior Sequential Recommendation

从无偏到特定：基于潜在偏好的多行为序列推荐扩散模型

Ruochen Yang, Xiaodong Li, Jiawei Sheng, Jiangxia Cao, Xinkui Lin, Shen Wang, Shuang Yang, Zhaojie Liu, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）； School of Cyber Security, UCAS（UCAS网络安全学院）

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

AI总结 FatsMB通过潜在空间中的偏好生成，实现从无偏到特定的多行为序列推荐，提升推荐的多样性和准确性。

2602.22280 2026-02-27 cs.LG cs.AI 50%

Integrating Machine Learning Ensembles and Large Language Models for Heart Disease Prediction Using Voting Fusion

将机器学习集成与大型语言模型结合用于心脏病预测的投票融合

Md. Tahsin Amin, Tanim Ahmmod, Zannatul Ferdus, Talukder Naemul Hasan Naem, Ehsanul Ferdous, Arpita Bhattacharjee, Ishmam Ahmed Solaiman, Nahiyan Bin Noor

专题命中融合架构与评测：hybrid fusion(abstract)

AI总结本研究通过结合机器学习集成与大型语言模型的投票融合方法，提高了心脏病预测的准确性与可靠性。

Comments 7 pages, 8 figures, (Accepted at a peer-reviewed conference)

2602.20723 2026-02-27 cs.AI 50%

Modality-Guided Mixture of Graph Experts with Entropy-Triggered Routing for Multimodal Recommendation

模态引导的图专家混合网络与熵触发路由用于多模态推荐

Ji Dai, Quan Fang, Dengsheng Cai

机构 * Beijing University of Posts and Telecommunications（北京邮电大学）； Tianjin University of Technology（天津理工大学）

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

AI总结 MAGNET通过模态引导的图专家混合网络与熵触发路由，提升多模态推荐中融合的可控性、稳定性和可解释性。