视觉与机器人

多模态信息融合

面向图像、视频、多传感器和跨模态感知的信息融合，包括 Image Fusion、红外可见光、遥感、医学影像、LiDAR/雷达/相机和音视频融合。

2026-05-20 至 2026-05-20 共收录 3 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 机器人多传感器融合 1 篇

2605.19327 2026-05-20 cs.DC 78%

Quantum-Enhanced Distributed Sensor Fusion: Lower Bounds on Aggregation from Projection Noise to Heisenberg-Limited Byzantine-Tolerant Networks

量子增强的分布式传感器融合：从投影噪声到海森堡极限的容错网络下限

Vasanth Iyer, S. S. Iyengar

专题命中机器人多传感器融合：sensor fusion(title,abstract)

AI总结本文研究了在拜占庭故障和退相干条件下分布式量子传感器融合的均方误差下限，通过结合经典Brooks-Iyengar重叠函数、预测离群模型和SPOTLESS时空验证，建立了由纠缠可见度V和故障比例f/M参数化的双参数下限，验证了理论缩放规律并展示了量子计量与经典流处理架构的桥梁作用。

Comments 14 pages, 8 figures, 2 tables, code at https://github.com/viyer-research/quantum-sensor-fusion

2. 融合架构与评测 2 篇

2501.09203 2026-05-20 cs.CV cs.RO 62%

3D Modeling and Automated Measurement of Concrete Cracks via Segment Anything Refinement and Visual Inertial LiDAR Fusion

通过段落任何精修和视觉惯性LiDAR融合进行混凝土裂缝的3D建模与自动测量

Pengru Deng, Jiapeng Yao, Chun Li, Su Wang, Xinrun Li, Varun Ojha, Xuhui He

机构 * School of Civil Engineering（土木工程学院）； Central South University（中南大学）； Hunan Provincial Key Laboratory for Disaster Prevention and Mitigation of Rail Transit Engineering Structures（湖南省铁路工程结构灾害预防与 mitigation 工程结构重点实验室）； Nvidia ； School of Computing（计算学院）； Newcastle University（新castle大学）

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

AI总结本文提出了一种结合计算机视觉技术和多模态同时定位与建图（SLAM）的创新框架，用于二维裂缝检测、三维重建和三维自动裂缝测量，解决了现有方法在适应性和鲁棒性方面的不足，特别是在处理曲线或复杂几何形状时的挑战。

Comments Title and author list updated

Journal ref Computer-Aided Civil and Infrastructure Engineering, Volume 45, 2026, 100019, ISSN 1093-9687

2605.17470 2026-05-20 cs.CV cs.MM eess.IV 56%

EchoSR: Efficient Context Harnessing for Lightweight Image Super-Resolution

EchoSR: 为轻量图像超分辨率实现高效的上下文利用

Hanli Zhao, Binhao Wang, Shihao Zhao, Tao Wang, Kaihao Zhang, Wanglong Lu

机构 * College of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou 325000, China（温州大学计算机科学与人工智能学院）； vivo BlueImage Lab, vivo Mobile Communication Co., Ltd, Shanghai 200100, China（vivo蓝影实验室，vivo移动通信有限公司，上海200100，中国）； College of Engineering and Computer Science, Australian National University, Canberra, Australia（工程与计算机科学学院，澳大利亚国立大学，堪培拉，澳大利亚）； The AI/Analytics Team, Nasdaq, St. John’s, Canada（AI/分析团队，纳斯达克，圣约翰，加拿大）

专题命中融合架构与评测：分类 cs.CV、eess.IV、cs.MM；information fusion(comments)

AI总结本文提出EchoSR框架，通过统一多尺度感受野建模和层次化上下文融合，提升了轻量图像超分辨率的效率和效果，同时在多个基准上优于现有方法，并实现了约两倍的速度提升。

Comments Accepted by Information Fusion; 20 pages, 17 figures