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。

2026-07-16 至 2026-07-16 共收录 4 篇信号源：cs.CV, eess.IV, eess.SP, cs.RO, cs.MM

1. 机器人多传感器融合 1 篇

2604.21400 2026-07-16 cs.CV 版本更新 70%

You Only Gaussian Once: Controllable 3D Gaussian Splatting for Ultra-Densely Sampled Scenes

你只需一次高斯：用于超密集采样场景的可控3D高斯点划法

Jinrang Jia, Zhenjia Li, Yifeng Shi

机构 * Ke Holdings Inc.（凯控股有限公司）

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总结本文提出YOGO框架，通过确定性预算均衡解决3DGS在工业应用中的资源消耗问题，并引入Immersion v1.0数据集提升重建精度。

Comments 15 pages, 5 figures

2. 音视频/视觉语言融合 1 篇

2603.22372 2026-07-16 cs.LG cs.AI 版本更新 71%

Rethinking Multimodal Fusion for Time Series: Text Modalities Need Constrained Fusion

重新思考时间序列的多模态融合：文本模态需要受约束的融合

Seunghan Lee, Jun Seo, Jaehoon Lee, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, SoonYoung Lee, Wonbin Ahn

机构 * LG AI Research（LG人工智能研究）

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

AI总结针对多模态时间序列预测中朴素融合方法效果不佳的问题，提出受约束融合方法及受控融合适配器（CFA），通过低秩适配器过滤无关文本信息，在多种数据集和模型上验证了有效性。

Comments KDD Workshop on Mining and Learning from Time Series 2026 (Oral presentation)

3. 融合架构与评测 2 篇

2607.13573 2026-07-16 cs.RO cs.AI 新提交 74%

IMMNet: Hybrid Fusion of Model-based and Data-driven Approaches for Maneuvering Target Tracking

IMMNet：基于模型与数据驱动方法的混合融合用于机动目标跟踪

Yixuan Zhao, Chaoqun Yang, Lin Gao, Yongxiao Tian, Ting Yuan

机构 * School of Automation, Southeast University（东南大学自动化学院）； School of ICE, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院）； Faculty of Artificial Intelligence, Shanghai University of Electric Power（上海电力大学人工智能学院）； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）

专题命中融合架构与评测：hybrid fusion(title)；分类 cs.RO

AI总结针对三维空间机动目标跟踪难题，提出IMMNet算法，融合IMM算法可解释结构与神经组件，能保留贝叶斯推理机制并从数据学习，实验证明该算法在多场景下优于现有算法，是机动目标跟踪的有效方案。

2607.13905 2026-07-16 cs.CV cs.LG 新提交 57%

The 2nd International StepUP Competition for Biometric Footstep Recognition: From Steps to Strides

第二届生物特征足迹识别国际StepUP竞赛：从单步到跨步

Robyn Larracy, Anant Gupta, Gourav Gupta, Ethan Eddy, Maxime Devanne, Cyril Meyer, Jin-Chern Chiou, Yueh-Shan Lee, Zong-Han Lu, Aaron Tabor, Erik Scheme

机构 * University of New Brunswick（新不伦瑞克大学）； ArogyaPandit Private Limited（阿罗吉亚潘迪特私人有限公司）； Institute of Electrical and Control Engineering, National Yang Ming Chiao Tung University（国立阳明交通大学电气与控制工程研究所）

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

AI总结第二届生物特征足迹识别国际StepUP竞赛利用大规模数据集应对三项关键挑战，吸引26个注册者。ArogyaPandit研究团队用时空卷积神经网络结合集成评分策略获8.00%最佳等错误率，顶级方案展示相关策略价值，不过识别未知个人鞋类用户仍具挑战。

Comments Accepted to the 2026 IEEE International Joint Conference on Biometrics (IJCB)