密集跨模态交互

以触觉看世界：触觉驱动的材料区域视觉定位

Seeing Through Touch: Tactile-Driven Visual Localization of Material Regions

把触觉信号当作一种「查询模态」，用密集跨模态特征交互生成触觉显著性图，可直接迁移到文本/音频等非视觉查询驱动的区域定位与分割任务；其材料多样性配对策略也为弱信号条件下的跨模态对齐提供了可复用的数据增强思路。