G-ZAP: A Generalizable Zero-Shot Framework for Arbitrary-Scale Pansharpening
G-ZAP：一种通用的零样本框架用于任意尺度的全色融合
专题命中 遥感融合与全色锐化 ：pansharpening(title,abstract)；分类 cs.CV
AI总结 本文提出G-ZAP框架，通过多尺度半监督训练方案实现跨分辨率、跨场景和跨传感器的泛化能力，在多个真实世界数据集上取得SOTA结果，支持权重重用以提高实际部署效率。
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。
1. 遥感融合与全色锐化 1 篇
2. 医学影像融合 2 篇
AT-Attn: Temporal-Aware Cross-Attention for Longitudinal Multimodal Alzheimer's Disease Diagnosis
AT-Attn：用于纵向多模态阿尔茨海默病诊断的时间感知交叉注意力机制
机构 * Xinyue Du1, Yibo Liu2, Zhenglei Zhou3, Xuancheng Yao2, Weimin Zhong1, Qiuhui Chen14（未知）
专题命中 医学影像融合 ：multimodal fusion(abstract)；分类 cs.CV
AI总结 研究针对纵向AD诊断中多模态信息整合难题，提出AT-Attn框架，结合多种技术整合MRI与临床信息，在患者级五折交叉验证中，该模型多项指标优于单模态和简单融合基线，为AD诊断提供临床相关补充信息。
Comments Submitted to IEEE BIBM 2026. 8 pages, 4 figures
Latent graph encoding of multimodal neuroimaging features with generative AI architectures
基于生成式人工智能架构的多模态神经影像特征的潜在图编码
机构 * Center for Translational Research in Neuroimaging and Data Science (TReNDS)（转化神经影像与数据科学研究中心）
专题命中 医学影像融合 ：multimodal fusion(abstract)；分类 cs.CV
AI总结 研究旨在设计多模态生成框架用于神经影像特征分析，通过评估多种策略和模型，利用GMV和sFNC特征分析多个生成框架，提出的gMMVAE在多指标上超替代变体，有潜力用于稳健的多模态神经影像分析。
Comments 6 pages, accepted in IEEE International Conference on Image Processing (ICIP) 2026
3. 机器人多传感器融合 3 篇
NavEYE: Vision-Centered Multi-Sensor Fusion-Based Situational Awareness System for Intelligent Surface Vehicles
NavEYE：用于智能水面舰艇的基于视觉的多传感器融合态势感知系统
机构 * Sanya Science and Education Innovation Park, Wuhan University of Technology（武汉理工大学三亚科教创新园） ； School of Navigation, Wuhan University of Technology（武汉理工大学航运学院） ； State Key Laboratory of Maritime Technology and Safety（船舶技术与安全国家重点实验室）
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
AI总结 为实现智能水面舰艇在复杂环境中的高质量感知，开发以视觉为中心的多传感器融合系统NavEYE，提出多约束门控数据关联等方法，经实验验证其融合方法在多方面的优越性及对舰艇航行安全的促进作用。
Journal ref Ocean Engineering, Volume 363, Part 4, 2026, Article 126781
Dynamic Object Detection and Tracking in Construction: A Fisheye Camera and LiDAR Sensor Fusion Model
建筑中的动态目标检测与跟踪：一种鱼眼相机与激光雷达传感器融合模型
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 cs.CV、cs.RO
AI总结 针对建筑等复杂环境中机器人动态目标检测与跟踪问题，提出融合鱼眼相机与激光雷达传感器的框架，通过在配准点云里识别移动物体、投影坐标分配语义标签并结合图像检测更新卡尔曼滤波器观测，具有高精度、简单且鲁棒的特点。
Comments 4 pages, 8 figures, submitted to IEEE International Conference on Robotics and Automation (ICRA) 2025 Future of Construction Workshop
GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation
GrandTour: 一种用于多模态感知与状态估计的野外腿式机器人数据集
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利大学） ； Oxford University（牛津大学）
专题命中 机器人多传感器融合 ：sensor fusion(abstract)；分类 cs.RO
AI总结 GrandTour数据集为多模态感知与状态估计提供了大规模野外腿式机器人数据，支持SLAM和高精度状态估计的研究与开发。
Comments Turcan Tuna, and Jonas Frey contributed equally. Submitted to Sage The International Journal of Robotics Research
4. 音视频/视觉语言融合 2 篇
Two-Stage Multi-Modal Fusion with Adaptive Alignment for Action Quality Assessment
用于动作质量评估的具有自适应对齐的两阶段多模态融合
机构 * Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Children’s Hospital, Capital Institute of Pediatrics（首都儿科研究所附属儿童医院） ； Zhongguancun Laboratory（中关村实验室）
专题命中 音视频/视觉语言融合 ：multi-modal fusion(title,abstract)；分类 cs.CV
AI总结 研究动作质量评估问题，提出两阶段多模态融合框架DualAlign，通过自适应对齐解决跨模态错位等挑战，引入MM-JDM数据集，实验表明该框架在多模态评估中表现出色，相比现有方法有显著提升且在特定条件下稳健。
Comments Accepted to IJCV
SAC$^2$-Net: Semantic Anchoring and Complementary-Consensus Fusion for Multimodal Micro-Expression Recognition
SAC$^2$-Net：面向多模态微表情识别的语义锚定与互补共识融合
机构 * College of Electronic and Information Engineering, Southwest University（西南大学电子信息工程学院）
专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)；分类 cs.CV
AI总结 针对微表情识别中光流与运动放大模态的不对称失效问题，提出SAC$^2$-Net，通过语义锚定软对齐减少跨模态异质性，并设计互补共识融合机制实现可靠性感知融合，在五个基准上取得最优或竞争力强的性能。
