多模态信息融合

Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification

因果增强的无监督视频基可见-红外人再识别

Shuang Li, Jiaxu Leng, Changjiang Kuang, Mingpi Tan, Yu Yuan, Xinbo Gao

机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

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

AI总结 本文提出因果增强的无监督视频基可见-红外人再识别框架，通过引入因果干预预热和原型引导不确定性细化方法，解决无监督视频基可见-红外人再识别中的模态偏差和聚类粒度不均问题，提升跨模态对齐效果。

Comments Submit to IEEE TIFS

Dual-Modal Lung Cancer AI: Interpretable Radiology and Microscopy with Clinical Risk Integration

双模肺癌AI：结合可解释放射学与显微镜的临床风险整合

Baramee Sukumal, Aueaphum Aueawatthanaphisut

机构 * Hatyaiwittayalai School（哈雅维泰莱学校） ； School of Information, Computer, and Communication Technology（信息、计算机与通信技术学院） ； Sirindhorn International Institute of Technology（Sirindhorn国际技术学院） ； Thammasat University（泰国朱拉大学） ； Pathum Thani, Thailand（帕亨他尼，泰国） 纠错

专题命中 医学影像融合 ：multimodal fusion(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出整合CT放射学与H&E病理学的双模AI框架，利用卷积神经网络提取特征并融合临床数据，通过可解释AI技术提升诊断性能，实现肺癌亚型分类。

Comments 16 pages, 6 figures, 3 tables, 8 equations

NeuroMesh: A Unified Neural Inference Framework for Decentralized Multi-Robot Collaboration

NeuroMesh：一种用于去中心化多机器人协作的统一神经推理框架

Yang Zhou, Yash Shetye, Long Quang, Devon Super, Jesse Milzman, Manohari Goarin, Aditya Azad, Devang Sunil Dhake, Jeffery Mao, Carlos Nieto-Granda, Giuseppe Loianno

机构 * New York University（纽约大学） ； U.S. Army Combat Capabilities Development Command, Army Research Laboratory（美国陆军作战能力发展司令部，陆军研究实验室） ； Vanderbilt University（范德比尔特大学） ； University of California Berkeley, Department of Electrical Engineering and Computer Sciences（加州大学伯克利分校，电气工程与计算机科学系） 纠错

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

AI总结 本文提出NeuroMesh框架，通过统一的管道标准化观察编码、消息传递、聚合和任务解码，解决异构机器人部署多机器人模型的挑战，支持混合GPU/CPU推理并在不同任务结构中展示鲁棒性。

Comments 8 page, 8 figures, Accepted at the IEEE Robotics Automation Letter (RA-L)