多模态信息融合

There and Back Again: A Flexible-Frame Transformer for Multi-Exposure Fusion

去而复返：用于多曝光融合的灵活帧数Transformer

Lishen Qu, Yao Liu, Shihao Zhou, Jie Liang, Hui Zeng, Lei Zhang, Jufeng Yang

机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开国际先进研究院（深圳·福田）） ； Peng Cheng Laboratory（鹏城实验室） ； College of Computer Science, Nankai University（南开大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 提出FreeMEF，首个灵活帧数多曝光融合Transformer，通过循环状态空间模块和全局特征引导块，无需重训练即可处理任意数量输入帧，在三个基准数据集上取得最优性能。

Comments Accepted by ECCV 2026

Radar Guided Camera Verification for Automatic Emergency Braking Rethinking Object Detection in Radar Camera Fusion

雷达引导的自动紧急制动摄像头验证：重新思考雷达摄像头融合中的目标检测

Ram Charan Akula, Sivanathan Kandhasamy, Manikandan Ganesan

机构 * Autonomous Systems Lab, Department of Mechatronics Engineering, SRM Institute of Science and Technology（SRM科学与技术学院机电工程系自主系统实验室） ； Centre for Electric Mobility, Department of EEE, SRM Institute of Science and Technology（SRM科学与技术学院电气与电子工程系电动出行中心） 纠错

专题命中 自动驾驶多传感器融合 ：radar camera fusion(title,abstract)；分类 cs.CV、cs.RO

AI总结 提出一种雷达引导的边缘密度门控方法，在无需训练数据和GPU的情况下，通过缩小摄像头搜索空间实现高效障碍物验证，在真实车辆测试中达到98.7%的搜索空间缩减和零漏刹。

Comments 8 pages, 8 figures

Parameter Efficient Hybrid Transformer (PEHT) for Network Traffic Prediction via Dynamic Urban Congestion Integration

参数高效混合Transformer（PEHT）用于通过动态城市拥堵整合进行网络流量预测

Abdolazim Rezaei, Mehdi Sookhak, Mahboobeh Haghparast

机构 * National Science Foundation（国家科学基金会） ； U.S. Department of Transportation（美国交通部） ； University Transportation Center (UTC)（大学交通中心） ； Transportation Cybersecurity Center for Advanced Research and Education (CYBER-CARE)（交通网络安全高级研究与教育中心） ； NVIDIA Academic Grant Program（NVIDIA学术资助计划） 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(abstract)

AI总结 提出参数高效混合Transformer（PEHT），通过低秩适应和多模态融合整合城市移动性与拥堵信息，在减少参数的同时提升网络流量预测精度。

LXD-SLAM: LiDAR+X Dense SLAM with $\sum_{i=0}^{5}C_5^i$ Configurable Sensor Combinations

LXD-SLAM：基于LiDAR+X的密集SLAM，支持∑_{i=0}^{5}C_5^i种可配置传感器组合

Zhong Wang, Lin Zhang, Linfei Li, Ying Shen, Shaoming Zhang, Pengcheng Shi, Shengjie Zhao

机构 * Tongji University（同济大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出LXD-SLAM，一种以3D LiDAR为中心的多传感器融合框架，支持32种传感器组合，通过统一的迭代误差状态卡尔曼滤波和混合位姿图实现高保真、全局一致的密集建图。

A Comparison of Fusion Techniques for Multi-Modal Human Activity Recognition on the HARMES Dataset

HARMES数据集上多模态人类活动识别融合技术的比较

Ahmed Mohamady, Robin Burchard, Kristof Van Laerhoven

机构 * University of Siegen（锡根大学） 纠错

专题命中 融合架构与评测 ：multi-modal fusion(abstract)；sensor fusion(abstract)

AI总结 系统比较七种传感器融合方法在HARMES多模态数据集上的性能，发现门控多模态融合在留一参与者评估中宏F1分数达0.82，优于拼接式后期融合基线（0.76）。