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。

2026-07-02 至 2026-07-02 共收录 6 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 自动驾驶多传感器融合 1 篇

2607.00746 2026-07-02 cs.CV cs.AI 新提交 83%

GaussianFusion: Unified 3D Gaussian Representation for Multi-Modal Fusion Perception

GaussianFusion：用于多模态融合感知的统一3D高斯表示

Xiao Zhao, Chang Liu, Mingxu Zhu, Zheyuan Zhang, Linna Song, Qingliang Luo, Chufan Guo, Kuifeng Su

机构 * Tencent, Autonomous Driving Lab（腾讯自动驾驶实验室）

专题命中自动驾驶多传感器融合：multi-modal fusion(title,abstract)；multimodal fusion(abstract)；分类 cs.CV

AI总结提出基于3D高斯表示的多模态融合框架GaussianFusion，通过连续3D高斯空间统一多模态特征，保留细节，支持多种3D感知任务，在nuScenes上检测NDS提升2.6，占用预测mIoU提升1.55且速度提升450%。

Comments ICLR 2026

2. 机器人多传感器融合 3 篇

2606.25111 2026-07-02 cs.RO cs.CV 新提交 88%

ADM-Fusion: Adaptive Deep Multi-Sensor Fusion for Robust Ego-Motion Estimation in Diverse Conditions

ADM-Fusion：自适应深度多传感器融合用于多样化条件下的鲁棒自我运动估计

Hasan Moughnieh, Ibrahim Ghaddar, Hadi Elham, Imad H. Elhajj, Daniel Asmar

机构 * American University of Beirut（贝鲁特美国大学）

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

AI总结提出ADM-Fusion，一种基于深度学习的端到端多传感器融合方法，通过自适应专家混合框架和跨任务注意力机制动态平衡传感器权重，在退化条件下保持鲁棒性。

Comments 8 pages, 4 figures

2606.31077 2026-07-02 cs.CV 新提交 70%

AnyMatch: Supercharging Universal Multi-Modal Image Matching with Large-Scale Single-View Images

AnyMatch: 利用大规模单视图图像增强通用多模态图像匹配

Meng Yang, Zizhuo Li, Linfeng Tang, Fan Fan, 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）

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

AI总结提出AnyMatch框架，利用单视图图像生成多模态训练数据，通过单目深度估计、3D重投影、扩散修复和跨模态图像翻译合成几何一致的多视图多模态图像对，构建大规模数据集Any-syn，显著提升多模态匹配网络的泛化性和鲁棒性。

Comments Accepted by ECCV 2026

2607.00024 2026-07-02 cs.RO cs.MA cs.SY eess.SY 新提交 57%

Decentralized Geometric Control for Cable-Suspended Payload Transport with Adaptive Mass Estimation

基于自适应质量估计的缆绳悬挂载荷运输的分散几何控制

Hadi Hajieghrary, Benedikt Walter, Paul Schmitt, Miguel Hurtado

机构 * MassRobotics

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

AI总结提出GPAC四层分层架构，通过隐式协调实现多四旋翼无中心协调运输缆绳悬挂载荷，结合几何控制、自适应质量估计和CBF安全滤波，仿真显示低计算成本下平均跟踪误差33.8厘米。

Comments Accepted to be presented at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

3. 音视频/视觉语言融合 1 篇

2607.00296 2026-07-02 cs.CV cs.AI 新提交 57%

Learning When to Listen: Gated Affect Fusion for Human Motion Prediction

学习何时倾听：用于人体运动预测的门控情感融合

Jingni Huang

机构 * University of Oxford（牛津大学）

专题命中音视频/视觉语言融合：multimodal fusion(abstract)；分类 cs.CV

AI总结提出门控情感变换器（GAT）动态调节跨模态信息流，解决无约束视频中情感特征与姿态融合的噪声问题，证明面部情感仅在短中期（如30帧）提供有限预测线索。

4. 融合架构与评测 1 篇

2606.25998 2026-07-02 cs.CR 新提交 50%

BlowLive: Blow-Based Multi-Factor Biometrics with Liveness Detection and Revocability

BlowLive：基于吹气的多因素生物识别与活体检测及可撤销性

Eyasu Getahun Chekole, Howard Halim, Daniël Reijsbergen, Jianying Zhou

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

AI总结提出BlowLive框架，融合吹气声学信号与面部生物特征，采用模糊提取器生成稳定密钥进行认证，并引入多普勒频移活体检测，实现高精度、强安全与可撤销性。