Information Fusion-2026年11月最新论文11篇(2)

融合全局和局部统计信息的数据估值

原标题：Data valuation by fusing global and local statistical information

作者：Xiaoling Zhou；Ou Wu；Michael K. Ng；Hao Jiang

期刊：Information Fusion

出版时间：2026/11/01

摘要：近年来，由于高质量数据在各种应用中的关键作用，数据估值引起了越来越多的关注。在各种数据估值方法中，基于夏普利值的方法由于其坚实的理论基础而占主导地位。然而，精确计算Shapley值通常在计算上是难以承受的，从而促使了众多近似技术的发展。尽管取得了显著的进步，现有方法通常忽略了价值分布信息的融合，并且未能考虑动态数据条件，从而损害了它们的性能和应用潜力。本文中，我们强调了价值分布的全局统计特性和局部统计特性在机器学习数据估值上下文中所起的关键作用。首先，我们对这些分布在各种模拟和真实世界数据集中的情况进行全面分析，揭示出宝贵的见解和关键模式。其次，我们提出了一种增强的数据估值方法，该方法将探索出的分布特征融合到两个正则化项中，以精炼夏普利值估计。所提出的正则化器可以无缝地融入各种现有的数据估值方法中。第三，我们介绍了一种新颖的动态数据估值方法，该方法在不重新计算Shapley值的情况下推断更新后的数据价值，从而显著提高了计算效率。进行了广泛的实验，包括Shapley值估计、基于价值的数据添加和移除、错误标记数据检测以及动态数据估值。结果展示了我们提出的方案的一致有效性和高效性，证实了全球和地区价值分配在数据估值中的重要潜力。

原文链接

双适配器伪标签用于无源目标检测

原标题：Dual-adapter pseudo labeling for source-free object detection

作者：Fuhua Zhang；Bin Sun；Yi Sun；Shutao Li

期刊：Information Fusion

出版时间：2026/11/01

摘要：无源目标检测旨在在没有源数据的情况下将源训练模型适应于未标记的目标领域。现有方法通常采用伪标签范式结合教师-学生框架，在此框架中，伪标签的质量很大程度上依赖于置信度阈值。选择最优阈值具有挑战性，因为不同类别之间的置信分布存在差异，并且类别不平衡。因此，提出了一种双适配器伪标签方法，以获得更可靠的伪标签用于无源对象检测。具体而言，所提出的方法使用两个适配器，即类别置信度适配器（CCA）和类别不平衡适配器（CIA）。CCA旨在根据统计指导的边界校准机制动态调整每个类别的置信范围，目标是获得候选伪标签。这些候选伪标签的中位数被用作每个类别的当前置信度阈值。中央情报局通过融合每个类别的历史估计值和当前估计值来更新置信度阈值，这些估计值的权重是根据类别频率动态计算的。通过自适应估计和更新各类别的阈值，两个适配器缓解了目标领域中特定类别的置信度分布差异和类别不平衡问题，从而提高了伪标签的可靠性。所提出的方法在多个基准数据集上展示了竞争力的表现，表明其在跨域目标检测中的有效性。

原文链接

对齐锚点和簇结构引导融合的多模态遥感聚类

原标题：Aligned anchors and cluster-structure guided fusion for multimodal remote sensing clustering

作者：Haoyan Yang；Lina Yang；Thomas Wu；Lianhui Liang；Tianchuan Yang；Jun Li

期刊：Information Fusion

出版时间：2026/11/01

摘要：大规模多模态遥感(RS)数据的有效联合聚类由于各传感模式之间强烈的物理异质性仍然具有挑战性。尽管基于锚点的方法提高了可扩展性，但它们通常为每种模式独立构建锚点，忽略了跨模式之间的内在空间对应关系。这导致语义不匹配以及锚点图融合降质。为了解决这个问题，我们提出了一种用于大规模多模态遥感数据的新型聚类框架，称为对齐锚点与聚类结构引导聚类（AACGC），该框架集成了对齐锚点与聚类结构引导融合。具体来说，AACGC 首先构建模态特定的锚图，并在共享聚类结构矩阵的指导下联合优化它们，确保模态内的结构保持和模态间的一致性。同时，建立了一个判别结构映射来连接锚图(anchor graphs)和锚点(anchors)，实现相互增强。更重要的是，我们引入了一个锚点对齐机制，将跨模态对应关系表述为一个图匹配问题，基于特征和结构相似性进行锚点对齐。这一机制使得能够基于语义一致性准确融合对齐的锚图。在三个真实世界的多模态遥感数据集上进行的大量实验表明，AACGC 在聚类性能方面优于最先进的方法。代码可在https://github.com/ytccyw获取。

原文链接

CoSE：面向连通性的语义增强以减轻多模态LLM中的幻觉

原标题：CoSE: connectivity-oriented semantic enhancement for mitigating hallucinations in multimodal LLMs

作者：Yuanze Hu；Zhaoxin Fan；Gen Li；Zhichao Yang；Xinyu Wang；Ye Qiu；Wenjun Wu；Kejian Wu；Yifan Sun；Xiaotie Deng；Jin Dong；Ziyu Jia

期刊：Information Fusion

出版时间：2026/11/01

摘要：多模态大型语言模型（MLLMs）已经取得了显著的进步，然而它们的轻量级变体仍然极易产生幻觉——生成与视觉输入不一致的输出。虽然提出了实证缓解策略，但为什么较小的模型会产生更多的幻觉这一基本问题仍然理解不足。因此，本文通过动力系统视角提供了第一个系统的调查，表明幻觉倾向本质上与语义流形的几何结构相关联。通过全面的多尺度、多难度分析，我们发现了三个关键发现：(i) 更小的模型表现出较弱的流形连通性；(ii) 随着任务难度的增加，流形连通性减弱；(iii) 较弱的流形连通性与更深的吸引子逃逸相关联。这些发现表明，弱语义连通性是与轻量级MLLMs中幻觉易感性相关的重要几何因素。受此实证见解的启发，我们提出了CoSE（Connectivity-Oriented Semantic Enhancement），一个通过检索语义关联的潜在样本来增强表示的训练-推理一致框架。通过一个小插件模块，在保持主要架构不变且几乎不增加开销的情况下，CoSE 在各种视觉问答基准上一致地减少了幻觉并提升了性能。

原文链接

GGF-PnP: 带梯度重新思考的即插即用融合方法用于全色锐化

原标题：GGF-PnP: Plug, play, and fuse with gradient rethinking for pansharpening

作者：Lanyue Liang；Tianyu Li；Junyu Liu；Jiayi Zhou；Gang Fu；Guoqing Wang；Yang Yang；Jiayi Ma；Shuhang Gu

期刊：Information Fusion

出版时间：2026/11/01

摘要：融合全色图像(PAN)的空间细节和多光谱图像(MSI)的光谱信息来重建高分辨率多光谱图像(MSI)我们观察到，在梯度域中表示图像可以揭示更强的PAN-MSI互补线索，并且比原始强度表现出更大的光谱可靠性，这一经验分析促使我们重新审视梯度特征作为融合中的显式引导信号的作用。因此，我们提出了一种梯度特征引导融合即插即用模块（GGF-PnP），它可以集成到各种泛锐化骨干网络中而不必重新设计原始架构。实际上，GGF-PnP 立即插入初始的 MSI-PAN 融合阶段之后，操作于融合特征，并将其输出路由回原始网络，保持基线输入-输出接口。在三个公共数据集（WV3，GF2，QB）和多个基线上的广泛实验中，GGF-PnP 通常改进了代表性基线；例如，在使用 PanNet 的 WV3 上，PSNR 从 37.3857 增加到 38.7492 （+1.36 dB），而 ERGAS 和 SAM 分别减少了 15.72％ 和 15.29％。源代码将在以下网址公开发布:https://github.com/sevenzero70/GGF_PnP.

原文链接

基于多源数据的大型语言模型在盾构隧道施工中识别地质特征(iGeo-LLM)

原标题：iGeo-LLM: Identification of geological features using multi-source data based on LLM during shield tunnelling

作者：Tao Yan；Shui-Long Shen；Zhen-Yu Yin；Ning Zhang；Hao-Ruo Xu

期刊：Information Fusion

出版时间：2026/11/01

摘要：地质信息对于确保盾构隧道施工的安全性和效率至关重要。然而，隐蔽的开挖环境限制了对地质特征的直接观察，从而增加了隧道施工过程中的建设风险。本研究提出了一种框架，用于在盾构隧道施工过程中利用多源数据和大型语言模型(iGeo-LLM)识别地质特征。包括盾构施工数据（SD）、渣土图像数据（ID）和振动数据（VD）在内的多源数据通过ChatGPT模型进行分析，提取其特征并生成结构化数据，从而在少量样本提示学习范式下促进大型语言模型的有效理解。检索增强生成流程（RAGFlow）被引入以提升输出可靠性并通过引入项目特定的结构化知识来改善大型语言模型推理的事实依据。RAGFlow 中的外部知识库是使用不同比例的多源数据（以下简称 RAG 数据）构建的。LLM_ERROR] HTTPConnectionPool(host=’192.168.1.106’, port=11434): Read timed out. (read timeout=60)结果表明，RAG增强和多源数据融合显著提高了基于LLM的地质特征识别性能。提出的iGeo-LLM在集成的SD，ID和VD设置下表现最佳提出的框架的主要优势在于异构隧道数据检索增强推理，而传统的机器学习模型在单一来源的数据集上仍然非常有效。广州的一个案例研究证明了所提出的多源RAG增强框架在盾构隧道施工中的地质解释的可行性和有效性。

原文链接

基于变压器-Mamba融合的点云语义分割：用于坍塌建筑检测的分层方法

原标题：Point cloud semantic segmentation via transformer-Mamba fusion: A hierarchical approach for collapsed building detection

作者：Jiayi Li；Rui Tian；Zonghan Shang

期刊：Information Fusion

出版时间：2026/11/01

摘要：自然灾害后，迅速准确地检测倒塌的建筑物对于紧急救援、灾后评估和重建至关重要。然而，现有的基于点云的建筑物检测方法存在显著的局限性：卷积神经网络难以捕捉全局结构关系，Transformer在处理大规模点云时表现出二次计算复杂度，而Mamba缺乏明确的全局注意力机制。为了解决这些问题，本文提出了用于坍塌建筑检测的CollTransMam网络，该网络采用了一种层次化的编码-解码架构，创新性地结合了Transformer的全局注意力优势与Mamba的线性复杂度长序列建模能力。具体而言，Fusion Conv模块通过高效的采样、聚类和特征融合生成紧凑的特征表示；Grouping and Aggregation Block（GAB）模块通过多尺度分组和聚合捕获空间相关性；3D之字形路径将无序点云转换为有序序列；最终的Transformer-Mamba Fusion（TM-Fusion）模块结合了Transformer和Mamba的优势，实现高效全局局部特征建模。在两个真实的地震灾害LiDAR点云数据集KECB-PCD和PAPCB-PCD上的实验表明，CollTransMam网络在精度、召回率、IoU、OA和mIoU等核心指标上显著优于主流的CNN、Transformer和基于Mamba的方法。同时，该网络仅有5.3M参数和5.4FLOPs，计算复杂度远低于类似模型，在检测精度和效率之间取得了良好的平衡，为灾害后快速准确地检测倒塌建筑物提供了可靠的技术方案。

原文链接

一种细粒度语义驱动的可见光和红外图像融合的人体身份感知方法

原标题：A fine-grained semantic-driven pedestrian identity-aware method for visible and infrared image fusion

作者：Xiaowen Liu；Hongtao Huo；Haozhe Cao；Renhua Wang；Xu Dong；Shan Pang；Jing Li

期刊：Information Fusion

出版时间：2026/11/01

摘要：可见光和红外图像融合（VIF）旨在整合多模态互补信息以实现全面的场景表示，但现有的视觉引导和语义驱动的VIF方法依赖于粗粒度一致性约束。这会导致模态转换和细粒度语义损失，严重降低融合图像在如行人重新识别（ReID）等高精度下游任务中的性能，这些任务需要准确的行人身份特征。为了解决这个问题，我们提出了一种统一的优化框架，该框架集成了行人身份感知和VIF，并通过细粒度语义约束来学习一个更具区分性的跨模态融合空间。首先，我们设计了一种模拟行人场景合成方法，通过融合主流ReID和VIF数据集来生成具有丰富背景和身份标注前景的训练数据。其次，我们提出了DPSFusion，一种基于双阶段渐进语义细化机制的融合方法，该方法包括用于初始跨模态语义对齐的特征级粗优化(FCO) 和通过跨任务监督进行精确语义细化的语义级微调(SFT)。此外，我们构建了第一个带有身份标注的VIF验证数据集，直接量化融合结果中身份相关细粒度信息的保持量。定性和定量实验确认我们的方法在视觉呈现上优于最先进的（SOTA）方法，并且在目标检测和ReID任务上的验证证明了其保持粗粒度和细粒度语义的优越能力。代码和数据将在论文发表后公开发布。

原文链接

DBSegFormer：一种基于多尺度信息融合的双分支语义分割框架

原标题：DBSegFormer: A dual-branch framework based on multi-scale information fusion for semantic segmentation

作者：Fenger Li；He Yan；Maocheng Zhao；Liang Qi；Liyong Fu；Qiaolin Ye

期刊：Information Fusion

出版时间：2026/11/01

摘要：语义分割对每个像素赋予一个语义标签，并且对于详细场景理解至关重要。核心挑战是在保持高分辨率局部细节以实现精确边界的同时捕获长程全局上下文，而不依赖于重型解码器。我们提出DBSegFormer，这是一种基于多尺度信息融合的高效框架，结合了双分支Transformer骨干网络和轻量级多层感知机(MLP)解码器。LLM_ERROR] HTTPConnectionPool(host=’192.168.1.106’, port=11434): Read timed out. (read timeout=60)融合的特征然后通过一个最小的MLP头进行聚合，避免了复杂的上采样头，并提高了效率和稳定性。广泛的实验表明，在多个公开基准上，与强大的CNN/Transformer基线相比，取得了持续的改进，并且在分割精度和计算成本之间保持了有利的权衡。这些结果表明，将语义抽象与细节保持解耦，并通过自适应多尺度融合重新统一它们可以提供一种简单而有效的高精度语义分割解决方案。

原文链接

自主驾驶预训练模型综述：方法与应用

原标题：A comprehensive survey of pretrained models for autonomous driving: Methods and applications

作者：Renze Hu；Zhishuai Yin；Linzhen Nie；Yinghan Zhou；Hongchen Guo

期刊：Information Fusion

出版时间：2026/11/01

摘要：预训练模型（PTMs），在预训练到微调范式下开发，显著提升了自动驾驶（AD）系统的功能，展示了比从零开始训练的模型更佳的泛化能力、鲁棒性和工程效率。本文提供了过去五年中应用于AD的PTMs的全面且比较性的综述。通过广泛回顾现有文献，我们首先从关键预训练策略和调优方法的角度提供了对PTMs的详细概述。然后，我们提出了一种面向任务的分类法，涵盖模块化和端到端驾驶系统，阐明了PTM是如何被利用来解决在各种驾驶任务中遇到的挑战。此外，我们总结了代表性的基准数据集（代表性基准数据集）、模拟平台和开源实现，以支持社区内的系统性和可重复研究。最后，我们讨论了将PTMs应用于AD所面临的剩余挑战，并概述了未来探索的有希望的方向。为了确保本研究的持续相关性和时效性，我们维护了一个动态的相关文献和资源库，该库在PTM4AD上公开可访问。

原文链接

UTIM: 一种不确定性感知的泰勒交互网络用于鲁棒多模态情感分析

原标题：UTIM: An uncertainty-aware taylor interaction network for robust multimodal sentiment analysis

作者：Yanlian Jiang；Yue Zhou；Guangdong Zhou；Xiaofang Hu

期刊：Information Fusion

出版时间：2026/11/01

摘要：在多模态情感分析(MSA)中，不同的模态经常遭受噪声干扰、信息降级，甚至出现矛盾的情感极性，这大大增加了跨模态语义不一致的风险，并使模型更容易产生不稳定预测或接近决策边界时的高置信度错误。现有研究通常分别调查显式高阶交互建模和质量建模；然而，在明确的张量化高阶结构中同时整合模式级不确定性估计和可靠性重新分配的统一框架仍然相对较少探索。为此，我们提出了UTIM，一个鲁棒的MSA网络，该网络在一个单一框架中统一了不确定性感知泰勒风格显式交互、难例对比稳定化和模式可靠性专家路由，从而从三个方面提高预测稳定性和可信度：交互强度控制、样本难度建模和自适应模式加权。实验结果表明，UTIM优于大多数现有基线，并在噪声扰动和模态退化设置下提供了显著且一致的鲁棒性增益。广泛的消融研究和可视化分析进一步证实了UTIM在各种条件下保持稳定的优点，验证了其在性能和表示方面的有效性，并提供了一个统一且可解释的建模范式来解决语义不一致和模式不确定性问题。

原文链接