多模态信息融合

Combined Dictionary Unfolding Network with Gradient-Adaptive Fidelity for Transferable Multi-Source Fusion

结合字典展开网络与梯度自适应保真度的可迁移多源融合

Ge Luo, Jun-Jie Huang, Qi Yu, Tianrui Liu, Ke Liang, Yuming Xiang, Wentao Zhao, Xinwang Liu, Meng Wang

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； College of Surveying and Geoinformatics, Tongji University（同济大学测绘与地理信息学院） ； School of Computer and Information, Hefei University of Technology（合肥工业大学计算机与信息学院） 纠错

专题命中 红外-可见光融合 ：image fusion(abstract)；infrared and visible(abstract)；multi-exposure(abstract)；medical image fusion(abstract)

AI总结 本文提出CDNet，通过结合字典学习的共同-特定表示先验，设计轻量级结构约束联合展开架构，提升多源图像融合效率与性能。

Plasmonic Nanoparticle-in-nanoslit Antenna as Independently Tunable Dual-Resonant Systems for Efficient Frequency Upconversion

等离子体纳米粒子-纳米沟槽天线作为独立可调双共振系统，用于高效频率上转换

Huatian Hu, Zhiwei Hu, Christophe Galland, Wen Chen

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

AI总结 本文研究了等离子体纳米粒子-纳米沟槽天线的双共振特性，通过独立调节中红外和可见光共振，提升非线性过程效率，发现新的共振模式以增强上转换效率。

Comments 29 pages, 5 figures, v2

Journal ref Advanced Optical Materials (2025) 13, 29, e01674

High Dynamic Range 3D Gaussian Splatting via Luminance-Chromaticity Decomposition

高动态范围3D高斯散射 via 光亮度-色度分解

Kaixuan Zhang, Minxian Li, Mingwu Ren, Jiankang Deng, Xiatian Zhu

机构 * Nanjing University of Science and Technology（南京理工大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学） 纠错

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

AI总结 本文提出基于光亮度-色度分解的3D高斯散射方法，通过解耦亮度与色度参数，提升学习灵活性，实现更高效的高动态范围3D重建。

RoboKA: KAN Informed Multimodal Learning for RoboCall Surveillance System

RoboKA：基于KAN的多模态学习用于RoboCall监控系统

Nitin Choudhury, Nikhil Kumar, Aditya Kumar Sinha, Abhijeet Anand, Hossein Salemi, Orchid Chetia Phukan, Hemant Purohit, Arun Balaji Buduru

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

AI总结 本文提出RoboKA，一种基于KAN的多模态融合框架，用于建模音频和语言线索之间的非线性交互，以提高RoboCall监控的召回率和F1分数。

Comments Accepted to the International Conference on Multimedia & Expo (ICME) 2026, 7th International Workshop on Surveillance Data Processing

The Topology of Multimodal Fusion: Why Current Architectures Fail at Creative Cognition

多模态融合的拓扑学：为何当前架构在创造性认知上失败

Xiujiang Tan

机构 * Guangzhou Academy of Fine Arts（广州美术学院） 纠错

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

AI总结 本文指出当前多模态AI架构存在拓扑限制而非参数限制，通过哲学、认知科学和数学三个支柱提出多模态融合的拓扑学框架，提出UOO实现、ANALOGY-MM基准和META-TOP三阶基准，通过实验路线验证拓扑同构性。

Comments Expanded 11 technical improvements; 5 reference corrections; Appendix B pseudocode added. ~43 pages, 5 figures. Chinese philosophical terms romanized. Companion monograph available separately