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。

2026-08-25 至 2026-08-25 共收录 2 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 融合架构与评测 2 篇

2608.02092 2026-08-25 cs.CV cs.MM 版本更新 84%

基于空间掩码与通道融合的深度多模态融合检测

Guandi Wang, Ming Li, Yunsen Xing, Junle Liu

机构 * KTH Royal Institute of Technology（KTH皇家理工学院）； University of Maryland, College Park（马里兰大学帕克分校）

专题命中融合架构与评测：multimodal fusion(title,abstract)；feature-level fusion(abstract)；分类 cs.CV、cs.MM

AI总结本文针对现有多模态融合检测的过拟合问题，提出Attention-Driven Complementarity Resampling框架，通过语义掩码交换与可学习通道竞争实现跨模态目标检测的性能提升，在多数据集上取得了有竞争力的结果。

2510.21797 2026-08-25 cs.LG cs.AI cs.SD eess.AS 版本更新 78%

量化多模态不平衡：一种基于GMM的自适应损失用于音频-视觉学习

Zhiwen Yu, Zhaocheng Liu, Xiaoqing Liu, Huanqiang Zeng, C. L. Philip Chen

机构 * South China University of Technology（南方科技大学）

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

AI总结本文提出基于GMM的自适应损失，用于量化和缓解多模态学习中的样本级不平衡问题，通过双阶段框架提升音频-视觉学习性能。