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。

2026-07-13 至 2026-07-13 共收录 4 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 通用Image Fusion 1 篇

2607.09351 2026-07-13 cs.CV 新提交 57%

Simon-SR: Spatially Adaptive Modulation and Visual Prompt Adaptation for Text-Reinforced Super-Resolution

Simon-SR：用于文本增强超分辨率的空间自适应调制和视觉提示适配

Haotong Cheng, Yuxuan Li, Zijie Cui, Rongling Tan, Chenyuan Wang

机构 * College of Electronic Science and Engineering, Jilin University（吉林大学电子科学与工程学院）

专题命中通用Image Fusion ：image fusion(abstract)；分类 cs.CV

AI总结针对单图像超分辨率问题，提出Simon-SR框架，利用可学习提示进行语义挖掘和文本-图像融合，结合对比提示学习与空间自适应细化，实验证明该方法超越现有技术，在多项指标上有明显提升。

Comments Multi-modal Single Image Super-Resolution

2. 机器人多传感器融合 2 篇

2607.09496 2026-07-13 eess.SY cs.SY 新提交 78%

Event-triggered parameter estimator for sensor fusion

传感器融合的事件触发参数估计器

Ariana Méndez-Castillo, Irene Perez-Salesa, Rodrigo Aldana-López, Antonio Ramírez-Treviño, Rosario Aragues

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

AI总结研究传感器融合系统中事件触发参数估计，引入回归器驱动局部触发规则，在持续激励条件下推导出保证全局指数收敛的设计不等式，基于时变李雅普诺夫函数分析，仿真显示节省通信并保持收敛性。

Comments This work has been accepted to IFAC for publication under a Creative Commons Licence CC-BY-NC-ND. Accepted for presentation at the 23rd IFAC World Congress 2026

2502.12267 2026-07-13 cs.SE cs.AI 50%

NeuroStrata: Harnessing Neurosymbolic Paradigms for Improved Design, Testability, and Verifiability of Autonomous CPS

NeuroStrata：利用神经符号范式提升自主 CPS 的设计、可测试性和可验证性

Xi Zheng, Ziyang Li, Ivan Ruchkin, Ruzica Piskac, Miroslav Pajic

机构 * Macquarie University（麦考瑞大学）； University of Pennsylvania（宾夕法尼亚大学）； University of Florida（佛罗里达大学）； Yale University（耶鲁大学）； Duke University（杜克大学）

专题命中机器人多传感器融合：sensor fusion(abstract)

AI总结 NeuroStrata通过神经符号范式提升自主CPS的设计、测试和验证能力，解决不确定性带来的信任和安全认证问题。

Journal ref FSE Companion '25: Companion Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering, Trondheim, Norway, June 2025

3. 融合架构与评测 1 篇

2311.00300 2026-07-13 cs.CL 版本更新 78%

Entity Alignment Method of Science and Technology Patent based on Graph Convolution Network and Information Fusion

基于图卷积网络与信息融合的科技专利实体对齐方法

Runze Fang, Yawen Li, Yingxia Shao, Zeli Guan, Zhe Xue

机构 * Beijing Key Laboratory of Intelligent Communication Software and Multimedia（智能通信软件与多媒体北京重点实验室）； School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（计算机学院（国家试点软件工程学院），北京邮电大学）； School of Economics and Management, Beijing University of Posts and Telecommunications（经济管理学院，北京邮电大学）

专题命中融合架构与评测：information fusion(title,abstract)

AI总结研究科技专利实体对齐问题，提出基于图卷积网络与信息融合的方法，利用专利实体图形结构及辅助信息，通过图卷积网络和BERT模型实现多信息融合，提升实体对齐性能，实验表明该方法优于现有方法。

Comments 8 pages