多模态信息融合

GSPan: A Continuous Gaussian Primitive Representation for Arbitrary-Scale Pansharpening

GSPan：一种用于任意尺度全色锐化的连续高斯基元表示

Fangyi Li, Xiaoyuan Yang, Yixiao Li, Zongyang Sui, Kangqing Shen, Gemine Vivone

机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； National Research Council - Institute of Methodologies for Environmental Analysis, CNR-IMAA（意大利国家研究委员会 - 环境分析方法研究所） 纠错

专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV

AI总结 提出GSPan框架，将2D高斯溅射引入全色锐化，通过连续可学习的2D高斯基元表示残差细节，实现任意尺度融合，无需重新训练。

NGPS: GPS-Denied Aerial Geo-Localization and 2.5D Reconstruction via Deep Satellite Image Matching and Multi-Rate Sensor Fusion

NGPS：通过深度卫星图像匹配和多速率传感器融合实现无GPS的航空地理定位和2.5D重建

Sanket Sharma

专题命中 遥感融合与全色锐化 ：sensor fusion(title)；分类 cs.CV、cs.RO

AI总结 研究针对高空无人机视觉地理定位问题，提出NGPS框架，通过深度卫星图像匹配及多速率传感器融合实现无GPS绝对定位，结合多种技术，经实验在五个飞行序列上取得良好效果，相比单目VIO有显著提升，且能实时运行并部分开源。

Comments 9 pages (8-page paper + IEEE copyright/citation cover page), 6 figures. Accepted to IEEE/RSJ IROS 2026

Optimized Embedded Implementation of Hyperspectral-Multispectral Image Fusion on Raspberry Pi

树莓派上高光谱-多光谱图像融合的优化嵌入式实现

Salah Eddine Brezini, Okba Bekhelifi, Oussama Mezouar, Chams Eddine Choucha, Sarra Boukhacheba, Fethi Abdelatif Dali

专题命中 遥感融合与全色锐化 ：image fusion(title)；分类 eess.IV

AI总结 针对高光谱图像数据量大难实时处理的问题，提出将密集运算迁移到特定框架结合XNNPACK后端进行优化的方法，在树莓派5平台部署，显著减少计算时间并保留融合质量，适用于相关遥感应用。

Comments paper is accepted for presentation at EDiS'2026: IEEE 5th International Conference on Embedded and Distributed Systems, Oran, Algeria, November 2-5, 2026

When Generated Images Look Right and Retrieve Wrong: Coverage-Guided Cross-Scale Re-Indexing for Knowledge-Faithful Generative Perception

当生成图像看起来正确但检索错误：面向知识保真生成感知的覆盖度引导跨尺度重索引

Guangyuan Dong, Chuang Liu, Yangchen Zeng, Haoyu Wang, Xiaoyang Yu, Pinlong Zhao, Yuchao Hou, Ziwei Li, Zheng Lin

专题命中 遥感融合与全色锐化 ：pansharpening(abstract,abstract_cn)；分类 cs.CV、cs.MM

AI总结 针对生成图像因尺度差异导致的语义崩溃问题，提出闭环多模态索引框架CERES，在多基准上实现SOTA，显著提升概念-查询检索性能。

Comments 20 pages, 7 figures, and 20 tables

An iterative energy-based multimodal transformer for joint retrieval of wheat soil moisture, leaf area index, and plant height from Sentinel-1 and Sentinel-2 time series

基于迭代能量多模态Transformer的Sentinel-1与Sentinel-2时序联合反演小麦土壤水分、叶面积指数和株高

Shubham Kumar Singh, Peilei Fan, Suraj A. Yadav, Rajendra Prasad, Prashant K Srivastava

机构 * Department of Urban and Environmental Policy and Program, Tufts University（Tufts大学城市与环境政策与项目系） ； Electrical and Computer Engineering Department, Mississippi State University（密苏里州立大学电气与计算机工程系） ； Department of Physics, Indian Institute of Technology (BHU)（印度理工学院（BHU）物理系） ； Institute of Environment and Sustainable Development, Banaras Hindu University（巴纳尔斯赫尔大学环境与可持续发展研究所） 纠错

专题命中 遥感融合与全色锐化 ：multimodal fusion(abstract)；分类 cs.CV、eess.IV

AI总结 提出迭代能量Transformer（iEBT），通过嵌入多模态预测器并迭代更新目标向量，从Sentinel-1和Sentinel-2时序数据中联合反演土壤水分、叶面积指数和株高，在印度瓦拉纳西实测数据上取得高精度，并利用终端能量作为质量诊断指标。

SuppreSensing: Expert-Guided Feature Recalibration and Discrepancy Augmentation for Multimodal Object Detection

SuppreSensing：面向多模态目标检测的专家引导特征重校准与差异增强

Xin Wu, Zhenyu Gao, Qiankun Zhang, Shaoyong Guo

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 遥感融合与全色锐化 ：multimodal fusion(abstract)；分类 cs.CV

AI总结 针对遥感多模态目标检测的语义异质性与模态噪声问题，本文提出SuppreSensing，通过EMFR模块、差异增强策略和ECFP模块实现最优性能，在多个数据集上达到SOTA并具备良好泛化性。

Comments 10 pages

Methane-Plume Segmentation From Hyperspectral Satellite Imagery Via Multimodal Deep Learning

基于多模态深度学习的高光谱卫星图像甲烷羽流分割

Brayan Quintero, Jeferson Acevedo, Samuel Traslaviña, Hoover Rueda-Chacón

机构 * Department of Computer Science, Universidad Industrial de Santander（计算机科学系，圣安德烈斯工业大学） 纠错

专题命中 遥感融合与全色锐化 ：multimodal fusion(abstract)；分类 cs.CV

AI总结 提出一种多模态深度学习模型，集成特征引导的甲烷增强机制，在MPDataset上取得优于现有方法的性能，实现高精度与高效率的甲烷羽流分割。

Comments Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2026