跳到正文
arXiv · 机器人与计算机视觉· Hao Zhang, Xuhui Zuo, Jiayi Ma·· 2026-10-12精选AI 评分78

Win-Win Fusion:一种基于视觉 - 语义协作的多模态图像融合方法

Win-Win Fusion: Multi-Modal Image Fusion with Visual-Semantic Collaboration

AI 导读

针对现有多模态图像融合方法在视觉与语义域存在优化鸿沟的问题,本文提出 W2F 新范式。该方法通过分割引导的融合损失增强对象感知结构指导,利用嵌入信息恢复先验提升退化条件下的可靠证据提供能力;引入交互式门控混合注意力与渐进耦合注意力模块确保局部全局场景表征;构建协作机制耦合视觉与语义融合任务,并通过特征搜索提取互补关键特征及梯度修正策略优化一致性。

推荐理由

提出 W2F 范式解决多模态图像融合中视觉与语义域的优化鸿沟,通过特征互补与信息交互机制提升感知能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org