- 物联网和 NextG 网络的图神经网络综述
物联网和下一代网络领域，图神经网络的应用和进展作出了重要贡献，并提供了全面的调研，包括数据融合、入侵检测、频谱感知等方面，同时对网络和战术系统的利用进行了详细描述，为研究者提供了一个全面资源。
- 基于多模态数据的深度学习辅助放射学报告生成调研
通过深度学习方法，欧州央行会公布最新的 Automatic radiology report generation 的方法，并且总结了该领域内多模态数据获取、数据融合等关键技术的发展，并为进一步研究提供了详尽的信息。
- 在线目标无关 LiDAR - 相机外参标定：基于跨模态掩膜匹配
基于大视野模型（LVMs）的跨模态掩模匹配（C3M）算法，具备足够可靠的匹配能力，以实现在各种具有挑战性场景中的强韧且准确的在线、无目标式 LiDAR - 相机外参标定（LCEC）问题。
- MM可穿戴活动识别的单模态和多模态传感器融合
综合不同的感知模态与多个位置有助于形成对人类行为等复杂情况的统一感知和理解，因此，人类活动识别受益于综合冗余和互补信息（单模态 / 多模态）。然而，这并不是一项容易的任务，它需要多学科的方法，包括传感器技术、信号处理、数据融合算法和领域特定 - 多保真代理模型：一种新的数据融合视角
多重保真度代理模型结合了不同来源的准确性和成本不同的数据。它战略性地使用低保真度模型进行快速评估，节省计算资源，并使用高保真度模型进行详细优化，它通过解决不确定性和超越单一保真度模型的限制来改善决策。融合高保真度数据用于详细响应，并且频繁融 - 利用组合的基于 USB 显微镜的土壤图像、辅助变量和便携式 X 射线荧光光谱法进行土壤肥力预测
本研究探讨了便携式 X 射线荧光光谱法和土壤图像分析在快速评估土壤肥力方面的应用，重点关注可利用的硼、有机碳、可用锰、可用硫和硫可利用性指标等关键参数。通过分析来自东印度不同农业气候区的 1,133 个土壤样本，研究采用了随机森林模型将显微 - 端到端自动驾驶通过 V2X 合作
利用 V2X 通信通过合作利用自车和基础设施传感器数据已成为对于先进自主驾驶的一种有希望的方法。本文介绍 UniV2X，一个开创性的合作自主驾驶框架，将所有关键驾驶模块无缝集成到一个统一的网络中，并提出了一种稀疏稠密混合数据传输和融合机制， - DF4LCZ：一种基于 SAM 的场景级局地气候区域分类的数据融合框架
通过与 Sentinel-2 图像相结合，将从高分辨率 Google 图像提取的地面对象先验融合在一起，从而提出了一个用于地表气候分区 (LCZs) 分类的数据融合方法。
- TUMTraf 事件：校准和融合产生的道路事件和 RGB 摄像头数据集
事件相机在智能交通系统中具有潜力，可以提供高时空分辨率和动态范围，消除运动模糊，更易于夜间识别物体。然而，事件相机缺乏颜色和纹理，因此需要与传统 rgb 相机进行数据融合和外部校准。本研究通过聚类方法扩展了无标定的校准方法以处理多个移动物体 - 非可忽略缺失数据的识别与估计：一种数据融合方法
我们考虑的是在数据不随机缺失（MNAR）的情况下识别和估计感兴趣的参数。本文提出了一种受数据融合启发的方法，其中 MNAR 数据集的信息通过与随机缺失（MAR）的辅助数据集的信息来增强。我们展示了在两组互补假设下，即使单独给定任一数据集都无 - 火花塞故障诊断的对比多模态表示学习
利用多传感器融合和对比学习范式，提出了一种去噪多模态自编码器训练策略，用于提高复杂工业装备的机器健康监测效果，并可在传感器故障发生时实现更稳健的多模态故障诊断系统，以及构建成本更低、不损失性能的实际用途的条件监测系统。
- 福尔摩斯不玩骰子：证据理论对社会和生命科学的意义
证据理论可用于数据融合中，能够表达由于担心事件可能发生而产生的不确定性，与概率论相比，它不仅仅限于决策者目前设想的可能性；我们阐述了 Dempster-Shafer 的组合规则与贝叶斯定理在各种概率论版本中的关系，并讨论了信息论应用受证据理 - 加权稀疏偏最小二乘法用于联合样本和特征选择
通过使用一个具有稀疏性的权重正则化模型来提供一个具有全局收敛性的算法，以实现数据融合中的样本和特征选择；此外，通过在多视图数据融合中扩展模型来支持具有相同样本集的多视图数据，进一步提高算法的效率。
- 厘清 “半满还是半空” 的问题：多模态容器分类
本文比较了在 NICOL 机器人的实验环境下，融合视觉、触觉和本体感数据的不同可能性，并演示了多模式解决方案在分类容器及其内容方面的优越性，评估了在不同时间步骤集成数据的三种融合策略，并发现最佳融合策略的准确度比仅使用单一感觉的最佳策略高出 - 使用梯度下降从测量中学习 IMM 滤波器参数
本文研究了一种使用测量数据进行参数优化的算法，并在模拟数据上进行了验证。
- A9 交叉口数据集：城市三维摄像机 - LiDAR 路侧感知所需一切
提供一种新的 A9 交叉口数据集，其中包含来自两个道路侧摄像头和交叉口桥架上安装的 LiDAR 的同步输出的点云数据，并提供了所有传感器之间的校准数据，可以将三维标签投影到图像中并实现准确的数据融合。该数据集包含 4.8k 个图像和 57. - 面向海事领域概率知识图谱自动建设
本文提出了一种从自然语言数据中自动构建概率性知识图谱的初始原型 ——Maritime DeepDive，利用该工具从海盗事件中提取概率事件，该工具的准确性和信心得到了验证。
- CVPRCoReFusion: 用于引导热红外超分辨率的对比正则化融合
本文提出了一个新的数据融合框架和正则化技术，用于热成像的导向超分辨率。该方法通过使用低成本、低分辨率的热传感器的测量数据，能够准确地生成高分辨率的热成像。同时，在缺少高分辨率 RGB 图像或低分辨率热图像的情况下，该方法仍然能够保持性能并具 - CVPR准确的几何数据对于密集三维视觉任务的重要性
本研究探讨了使用传感器数据进行密集型三维视觉问题的解决方法，强调了传感器特性对学习预测的重大影响，通过设计了一个多模态数据集，量化了传感器噪声的影响并为改善密集型视觉估计和有针对性的数据融合铺平了道路。
- 车路协同的智能感知系统
通过利用激光雷达技术与数据融合算法，实现车路协同的共享与组合，提高自动驾驶系统的感知范围、补充盲区、提高感知精度，以促进自动驾驶技术的发展并实现车路一体化。同时，设计测试场景，证明了车路协同自动驾驶与单车自动驾驶相比的优势。