多模态信息融合

Fusion or Confusion? Assessing the impact of visible-thermal image fusion for automated wildlife detection

融合还是混淆？评估可见光-热成像融合对自动化野生动物检测的影响

Camille Dionne-Pierre, Samuel Foucher, Jérôme Théau, Jérôme Lemaître, Patrick Charbonneau, Maxime Brousseau, Mathieu Varin

机构 * Department of Applied Geomatics, Université de Sherbrooke（舍布鲁克大学应用地理信息学系） ； Quebec Centre for Biodiversity Science, McGill University（麦吉尔大学魁北克生物多样性科学中心） ； Ministère de l’Environnement, de la Lutte contre les Changements Climatiques, de la Faune et des Parcs (MELCCFP)（魁北克省环境、气候变化、野生动物和公园部） ； Centre d'enseignement et de recherche en foresterie de Sainte-Foy（圣福瓦林业教学与研究中心） 纠错

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

AI总结 本文通过大蓝鹭案例研究，评估了可见光与热红外图像融合对自动化野生动物检测的效果，发现融合方法提升了F1分数，但受限于热成像视角和对齐约束。

Comments 19 pages, 9 figures, submitted to Remote Sensing in Ecology and Conservation

UHD-MFF: Shattering Barriers in Multi-Focus Ultra-High-Definition Image Fusion via Learnable Lookup Tables

UHD-MFF：通过可学习查找表打破多焦点超高清图像融合的障碍

Yibing Zhang, Xunpeng Yi, Qinglong Yan, Yeda Wang, Han Xu, Jiayi Ma

机构 * Electronic Information School, Wuhan University（武汉大学电子信息学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） ； School of Automation, Southeast University（东南大学自动化学院） 纠错

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

AI总结 针对超高清多焦点图像融合中的数据、模型和部署三大障碍，提出首个大规模超高清数据集UHD-MFF和基于可学习查找表的UMF-LUT框架，实现实时4K融合。

Comments Accepted by ECCV 2026

FMA-Net++: Motion- and Exposure-Aware Joint Video Super-Resolution and Deblurring

FMA-Net++：运动与曝光感知的联合视频超分辨率与去模糊

Geunhyuk Youk, Jihyong Oh, Munchurl Kim

机构 * KAIST（韩国科学技术院） ； CMLab, Chung-Ang University（中央大学CMLab） 纠错

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

AI总结 提出非循环序列级框架FMA-Net++，通过层次细化双向聚合块实现并行处理与长时域建模，引入曝光时间感知调制层处理曝光依赖模糊，在合成数据上训练达到SOTA性能。

Comments Accepted to ECCV 2026. Project Page: https://kaist-viclab.github.io/fmanetpp_site/

Listening Between the Lines: Joint Learning of ASR Embeddings and LLM-Augmented Linguistics for Dementia Detection

弦外之音：ASR嵌入与LLM增强语言学联合学习用于痴呆检测

Olivier Jiyoun Jung, Jonghyeon Park, Myungwoo Oh

机构 * Division of Communication and Media, Ewha Womans University, South Korea（韩国梨花女子大学传播与媒体学院） ； NAVER Cloud, South Korea（韩国NAVER Cloud） 纠错

专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)

AI总结 提出多模态框架，结合Whisper的声学表示与LLM提取的语言特征，通过门控融合网络实现痴呆检测，在ADReSS和ADReSSo上F1分别达89.47%和90.14%。

Comments Accepted at INTERSPEECH 2026

ASR-Agnostic Multimodal Spectrotemporal Modeling for Early Dementia Detection

ASR无关的多模态谱时建模用于早期痴呆检测

Chukwuemeka Ugwu, Oluwafemi Richard Oyeleke

专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)

AI总结 提出一种不依赖语音识别的框架，直接从梅尔频谱图中提取谱时位移场作为数字生物标志物，结合CNN-ConvGRU声学嵌入和交叉注意力融合，在三种语言语料库上验证了多模态融合的语料依赖性。

RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception

RESOLVE：用于路边协同感知的多分辨率多模态数据集

Shaozu Ding, Linan Song, Marco De Vincenzi, Dajiang Suo

机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系） 纠错

专题命中 融合架构与评测 ：multimodal fusion(abstract)；分类 cs.CV

AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。

Comments Accepted to ECCV 2026. Including supplementary material

CryoACE: An Atom-centric Framework for Accurate and Automated Model Building in Cryo-EM

CryoACE: 面向冷冻电镜中精确自动模型构建的原子中心框架

Minzhang Li, Mingrui Li, Weichen Qin, Qihe Chen, Sixian Shen, Yuan Pei, Jiakai Zhang, Jingyi Yu

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

AI总结 提出CryoACE框架，通过原子中心重建范式和无需训练的引导机制，实现冷冻电镜密度图中均质与异质结构的精确原子模型构建，显著优于现有方法。

Journal ref ICML2026