多模态信息融合

High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams

通过解调编码脉冲流实现高速全彩HDR成像

Chu Zhou, Siqi Yang, Kailong Zhang, Heng Guo, Zhaofei Yu, Boxin Shi, Imari Sato

机构 * Digital Content and Media Sciences Research Division, National Institute of Informatics（国家信息研究所数字内容与媒体科学研究中心） ； Pattern Recognition and Intelligent System Laboratory, School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, the National Engineering Research Center of Visual Technology, School of Computer Science, and the PKU-AI 2 Robotics Joint Lab of Embodied AI, Peking University（多媒体信息处理国家重点实验室，计算机学院，视觉技术国家工程研究中心，计算机学院，北京大学PKU-AI 2机器人联合实验室） ； Institute for Artificial Intelligence, the State Key Laboratory of Multimedia Information Processing, School of Computer Science, and the National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（人工智能研究院，多媒体信息处理国家重点实验室，计算机学院，视觉技术国家工程研究中心，计算机学院，北京大学） ； Institute for Artificial Intelligence, and the National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（人工智能研究院，视觉技术国家工程研究中心，计算机学院，北京大学） 纠错

专题命中 多聚焦/多曝光融合 ：multi-exposure(abstract)；分类 cs.CV

AI总结 本文提出一种基于模运算的HDR成像系统，通过改进传感模型和解调算法实现高速全彩HDR成像，有效克服了传统方法在运动伪影与信息损失之间的权衡问题。

Comments TPAMI under review

Multigrain-aware Semantic Prototype Scanning and Tri-Token Prompt Learning Embraced High-Order RWKV for Pan-Sharpening

多粒度感知语义原型扫描与三token提示学习融合高阶RWKV用于全分辨率融合

Junfeng Li, Wenyang Zhou, Xueheng Li, Xuanhua He, Jianhou Gan, Wenqi Ren

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Yunnan Normal University, Ministry of Education（云南师范大学教育部） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港理工大学） ； MoE Key Laboratory of Information Technology（教育部信息科学技术重点实验室） 纠错

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

AI总结 本文提出基于高阶RWKV架构和三token提示机制的多粒度感知语义原型扫描方法，通过语义驱动扫描策略、三token提示学习和可逆Q-Shift操作提升全分辨率融合性能。

An Edge-Cloud Collaborative Architecture for Proactive Elderly Care: Real-Time Risk Assessment and Three-Level Emergency Response

面向主动老年护理的边缘-云协作架构：实时风险评估与三级应急响应

Lijie Zhou, Luran Wang

机构 * School of Computer Science University of Nottingham Ningbo China Ningbo, China（计算机科学学院 南阳大学宁波分校 中国 宁波） ； School of Mathematical Sciences University of Nottingham Ningbo China Ningbo, China（数学科学学院 南阳大学宁波分校 中国 宁波） 纠错

专题命中 机器人多传感器融合 ：multi-modal fusion(abstract)；sensor fusion(abstract)；分类 eess.SP

AI总结 本文提出边缘-云协作架构，通过实时多模态传感器融合、四维风险评估模型和三级应急响应系统，解决现有云平台在延迟、隐私和可扩展性方面的不足，实验表明其在活动识别和异常检测上表现优异。

A Robust Approach for LiDAR-Inertial Odometry Without Sensor-Specific Modeling

一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法

Meher V. R. Malladi, Tiziano Guadagnino, Luca Lobefaro, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） 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 本文提出一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法，通过简化惯性测量单元积分模型和直接扫描到地图的激光雷达配准，提升整体里程计性能，并在多种机器人传感器和平台数据集上验证了其鲁棒性。

Decoupled Multimodal Fusion for User Interest Modeling in Click-Through Rate Prediction

解耦多模态融合用于点击通过率预测中的用户兴趣建模

Alin Fan, Hanqing Li, Sihan Lu, Jingsong Yuan, Jiandong Zhang

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

AI总结 本文提出解耦多模态融合方法，通过构建目标感知特征和优化注意力机制，提升用户兴趣建模效果，实验表明在公开和工业数据集上均取得显著提升。

Comments Accepted by ICDE2026

M3D-Net: Multi-Modal 3D Facial Feature Reconstruction Network for Deepfake Detection

M3D-Net：面向深度伪造检测的多模态3D面部特征重建网络

Haotian Wu, Yue Cheng, Shan Bian

机构 * College of Mathematics and Informatics（数学与信息学院） ； South China Agricultural University（华南农业大学） ； Wushan Road, Tianhe District（天河南路） ； Guangzhou（广州） ； China（中国） 纠错

专题命中 融合架构与评测 ：multi-modal fusion(abstract)；分类 cs.CV

AI总结 本文提出M3D-Net，通过多模态特征融合和3D重建模块提升深度伪造检测的准确性和鲁棒性，实验表明其在多个数据集上表现优异。

Chain of Modality: From Static Fusion to Dynamic Orchestration in Omni-MLLMs

模态链：从静态融合到动态编排在多模态大语言模型中

Ziyang Luo, Nian Liu, Junwei Han

机构 * Northwestern Polytechnical University（西北工业大学） 纠错

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CoM框架，通过动态编排解决多模态融合的静态融合问题，提升模型在不同任务中的泛化能力。