多模态信息融合

Dual-level Modality Debiasing Learning for Unsupervised Visible-Infrared Person Re-Identification

双层模态去偏学习用于无监督可见-红外人重识别

Jiaze Li, Yan Lu, Bin Liu, Guojun Yin, Mang Ye

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

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

AI总结 本文提出双层模态去偏学习框架，通过模型和优化层面的去偏策略解决模态偏置问题，提升无监督可见-红外人重识别的性能。

Tailoring the Optoelectronic, Photocatalytic, Thermoelectric and Thermodynamic Properties of Halides Li2InBiX6 (X = Cl, Br, I) for Energy Conversion: A DFT Study

调控Li2InBiX6（X=Cl，Br，I）卤化物的光电子、光催化、热电及热力学性质用于能量转换：一项DFT研究

Huda A. Alburaih, Sikander Azam, N. A. Noor, A. Laref, Sohail Mumtaz

专题命中 红外-可见光融合 ：infrared and visible(abstract)

AI总结 通过DFT研究Li2InBiX6卤化物的结构、电子、光学、介电、热电及光催化性质，揭示其在能量转换中的潜力。

Quantum Frequency Resolved Optical Gating of Few-Cycle Squeezed Vacuum

量子频率分辨光学门控的超短压缩真空

Thomas Zacharias, Elina Sendonaris, Robert Gray, James Williams, Ryoto Sekine, Maximilian Shen, Selina Zhou, Alireza Marandi

专题命中 红外-可见光融合 ：infrared and visible(abstract)

AI总结 本文提出量子频率分辨光学门控技术，用于研究超短量子脉冲的时域特性，实现近红外和可见光范围的高带宽测量，展示多模式压缩真空态的特性。

FedUTR: Federated Recommendation with Augmented Universal Textual Representation for Sparse Interaction Scenarios

FedUTR: 联邦推荐与增强的通用文本表示用于稀疏交互场景

Kang Fu, Honglei Zhang, Zikai Zhang, Jundong Chen, Xin Zhou, Zhiqi Shen, Dusit Niyato, Yidong Li

专题命中 遥感融合与全色锐化 ：information fusion(abstract)

AI总结 FedUTR通过引入物品文本表示补充交互行为，提升稀疏数据下的推荐性能，采用通用表示和协同信息融合模块，实验显示优于现有方法。

State and Trajectory Estimation of Tensegrity Robots via Factor Graphs and Chebyshev Polynomials

基于因子图和切比雪夫多项式 tensegrity 机器人的状态与轨迹估计

Edgar Granados, Patrick Meng, Charles Tang, Shrimed Sangani, William R. Johnson, Rebecca Kramer-Bottiglio, Kostas Bekris

机构 * Dept. of Computer Science, Rutgers University（罗格斯大学计算机科学系） ； Mech. Eng. & Material Sc. Yale University（耶鲁大学机械工程与材料科学系） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；分类 cs.RO

AI总结 本文提出一种两阶段方法，利用因子图和切比雪夫多项式对电缆驱动tensegrity机器人进行鲁棒状态或轨迹估计，通过融合RGB-D相机和电缆长度传感器数据，提升非线性动态下的估计精度。

Comments Accepted at Robotsoft 2026

NaviSlim: Adaptive Context-Aware Navigation and Sensing via Dynamic Slimmable Networks

NaviSlim: 通过动态可缩放网络实现自适应的上下文感知导航与感知

Tim Johnsen, Marco Levorato

机构 * University of California, Irvine（加州大学尔湾分校） ； San Diego State University（圣地亚哥州立大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；分类 cs.RO

AI总结 本文提出NaviSlim模型，通过动态调整计算和感知资源，提升小型自主飞行器在复杂环境中的导航能力，实验显示模型复杂度减少57-92%，传感器利用率提升61-80%。

Comments 13 pages, 12 figures

Journal ref 2024 IEEE/ACM Ninth International Conference on Internet-of-Things Design and Implementation (IoTDI)

mmid: Multi-Modal Integration and Downstream analyses for healthcare analytics in Python

mmid：用于医疗分析的多模态整合与下游分析的Python工具

Andrea Mario Vergani, Valeria Iapaolo, Emanuele Di Angelantonio, Marco Masseroli, Francesca Ieva

专题命中 融合架构与评测 ：multi-modal fusion(abstract)

AI总结 mmid是一个Python包，提供多模态融合、填补缺失数据、分类、时间到事件预测和聚类功能，用于结构化环境中整合顺序数据并进行下游分析。