生物特征融合的综合概述
本文提出了一个关于串行融合多个生物特征匹配器的理论框架，评估了该系统在性能以及模型参数计算估计误差方面的利益，并通过对 NIST 生物特征分数集 1 的初步实验证明了其优缺点。
Jan, 2024
本文介绍了第一届 BioSecure 住宅研讨会中有关指纹识别的实验，并测试了四个不同方法的系统以及它们在特征提取上表现出异构方法对识别性能的影响，实验结果表明结合细节和相关性测量获得最佳的指纹识别策略。
Dec, 2022
本文旨在研究基于特征提取层面的人脸和指纹生物识别特征融合方法，通过提取两种模态的独立特征点集并使其兼容进行拼接，同时运用特征降维技术处理维数灾难问题并比较实验结果，最终通过点纹匹配和 Delaunay 三角剖分等技术对数据库和查询图像的融合特征点集进行匹配，从而评估其在特征提取层面的融合效果与匹配评分的差异。
Feb, 2010
基于低质量数据的多模态融合面临四个主要挑战：噪声多模态数据，不完整多模态数据，不平衡多模态数据和质量变化多模态数据。本文通过全面的分类对多模态融合的常见挑战和最新进展进行调研，为研究人员提供了了解该领域现状和发现潜在研究方向的方法。此外，本文还讨论了该领域的开放问题以及有趣的未来研究方向。
Apr, 2024
多模医学成像在临床诊断和研究中起着关键作用，深度学习多模态融合技术在提高医学图像分类方面显示出强大的工具。本综述对基于深度学习的医学分类任务中的多模态融合的发展进行了彻底分析，包括不同融合方案和网络架构的性能评估，讨论了相关挑战和未来研究方向。
Apr, 2024
本文总结了多个研究社区关于多源、多时间数据融合方法的进展，为不同层次（例如学生、研究人员和高级研究人员）的研究者提供了充足的细节和参考，以便于他们在这个具有挑战性的课题上进行新的调查。
Dec, 2018
利用生物识别技术的高风险性及潜在隐私问题，本文提出了一种新颖的数据转换框架，可实现对生物识别数据的匿名化处理，以降低敏感信息泄露的风险并保留下游机器学习分析所需的特征。实验证明了该框架能通过高度抑制敏感信息的方式，同时保持数据的实用性，从而使得对匿名化生物识别数据的后续分析仍能达到令人满意的准确性。
May, 2024
本研究提出了两种自适应融合网络（Auto-Fusion、GAN-Fusion），通过对不同模态的特征进行有效的上下文建模，在多模态机器翻译和情感识别等任务中取得了比现有方法更好的效果。
Nov, 2019