Tag · 2 篇
跨模态交互
分布 底层视觉与图像复原1高效模型与推理加速1
01 02
VideoFusion：用于多模态视频融合的时空协同网络
VideoFusion: A Spatio-Temporal Collaborative Network for Multi-modal Video Fusion
提出面向视频的多模态融合框架，其双时序协同注意力机制可动态聚合前后向时序上下文，为视频复原、增强等任务中时空一致性建模提供可复用模块；同时发布的M3SVD基准数据集填补了多传感器视频融合的数据空白，便于后续研究公平对比。
自适应深度轻量级 RGB-T 跟踪与整体令牌路由
Adaptive Depth Lightweight RGB-T Tracking with Holistic Token Routing
自适应早退策略和整体令牌引导的跨模态交互模块可被复用于其他多模态跟踪或轻量化视觉任务，在保持精度的同时显著降低计算量和延迟。