多模态信息融合

Unregistered Spectral Image Fusion: Unmixing, Adversarial Learning, and Recoverability

未配准光谱图像融合：解混、对抗学习与可恢复性

Jiahui Song, Sagar Shrestha, Xiao Fu

专题命中 通用Image Fusion ：image fusion(title)；分类 cs.CV、eess.IV

AI总结 提出无监督框架，通过耦合光谱解混和潜在空间对抗学习同时超分辨未配准的高光谱和多光谱图像，并首次建立可恢复性理论保证。

Multi-FRuGaL: Multimodal Flexible Redundancy-aware Decomposed Gated Learning for Cancer Diagnosis and Prognosis

Multi-FRuGaL：面向癌症诊断与预后的多模态灵活冗余感知分解门控学习

Sanket Kachole, Siddhesh Thakur, Shubham Innani, Sanyukta Adap, Suhang You, Carla Pitarch-Abaigar, Spyridon Bakas

机构 * Division of Computational Pathology, Department of Pathology and Laboratory Medicine, Indiana University School of Medicine（计算病理学部，病理学与实验室医学部，印第安纳大学医学院） ； IU Melvin and Bren Simon Comprehensive Cancer Center（印第安纳大学Melvin和Bren Simon综合癌症中心） ； Departments of Biostatistics and Health Data Science（生物统计学与健康数据科学部） ； Radiology and Imaging Sciences（放射学与影像科学部） ； Neurological Surgery（神经外科） ； Indiana University School of Medicine（印第安纳大学医学院） ； Department of Computer Science, Luddy School of Informatics, Computing, and Engineering（计算机科学部，Luddy信息、计算与工程学院） 纠错

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

AI总结 提出Multi-FRuGaL框架，通过分解感知自适应门控中间融合，在缺失模态下学习模态级表示，分离冗余与互补信号，提升癌症诊断与预后性能。

General Convex Agreement with Near-Optimal Communication

通用凸协议与近最优通信

Marc Dufay, Diana Ghinea, Anton Paramonov

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

AI总结 本文研究了通用凸协议在长消息场景下的通信复杂度，提出确定性同步协议，实现近最优通信，适用于鲁棒学习和传感器融合等聚合任务。

Comments Working paper