特征融合全新范式，拿下Nature子刊！作者提出了一种领域知识嵌入的多层级特征融合方法，突破了深度学习大数据+黑箱的路径依赖，为小样本、高纬度、多模态等场景提供了全新的思路。
不仅在各大顶会上也涌现了不少新玩法。比如CVPR26上的双特征交互融合模型LFSB、频域引导特征对齐模型FAAFusion；AAAI26上的自适应特征融合模型SACF、轻量级跨模态融合模型CAFR……
可见，传统的拼接等融合思路，早已out！想要实现更好的涨点效果，并获得审稿人青睐，抓住顶会研究趋势，结合自身任务做变通才是王道。
为方便大家研究的顺利进行，我给大家准备了最新的78篇必读顶会论文和源码，Nature、CVPR、ICLR、AAAI、TPAMI、ICCV、ECCV等都有涵盖！
扫描下方二维码，回复「78特融」
免费获取全部论文合集及项目代码
【AAAI】MODA:TheFirst Challenging Benchmark for Multispectral Object Detection in Aerial Images
内容：本文提出了目标感知型单流多光谱检测框架 OSSDet（Object-aware Single-stream Spectral-spatial Detection），其采用单流架构实现光谱 - 空间联合建模，融入显式目标感知设计，并通过动态光谱权重机制自适应调整不同波段贡献，有效避免了传统 PCA 降维、波段选择或双流网络带来的信息损失与高计算开销；
【ICCV】GDKVM:Echocardiography Video Segmentation via Spatiotemporal Key-Value Memory with Gated Delta Rule
内容：本文针对超声心动图视频分割中存在的散斑噪声干扰、时序建模效率低、动态心脏结构分割精度不足等问题，提出了一种名为 GDKVM 的新型分割框架，核心是构建时空键值记忆机制并结合门控增量规则（Gated Delta Rule），首先设计线性键值关联（LKVA）模块替代传统自注意力，将历史帧信息高效累积为固定大小状态矩阵，把时序建模复杂度从 O (T²) 降至 O (T) 以满足临床实时性需求，同时引入门控增量规则（GDR）模块，动态控制记忆更新与历史信息的筛选，精准捕捉心脏结构在连续帧间的时空变化与边界特征，此外通过时空记忆单元强化帧间特征关联，有效抑制超声噪声影响。
扫描下方二维码，回复「78特融」
免费获取全部论文合集及项目代码
【TPAMI】Frequency-aware Feature Fusion for Dense Image Prediction
内容：本文针对密集图像预测任务中传统特征融合存在的类别内特征不一致、目标边界模糊与位移等问题，提出频率感知特征融合方法（FreqFusion），首先指出现有直接相加深层粗粒度上采样特征与浅层高分辨率特征的方式会干扰高频信息，导致目标内部特征波动、边界细节缺失，进而设计由自适应低通滤波器生成器、偏移生成器与自适应高通滤波器生成器构成的融合模块，通过自适应低通滤波衰减目标内干扰高频分量以减少类内不一致，利用偏移生成器重采样优化不一致特征与细薄边界，再经自适应高通滤波增强下采样丢失的边界高频细节。
【CVPR】Fourier Angle Alignment for Oriented Object Detection in Remote Sensing
内容：本文针对遥感图像定向目标检测中存在的多尺度特征方向不一致与检测头分类和角度回归任务冲突两大核心问题，提出傅里叶角度对齐（FAA）方法。该方法利用傅里叶变换的旋转等变性，在频域中分析与处理角度信息，由FAAFusion和FAA Head两个轻量模块构成：FAAFusion 嵌入特征金字塔网络（FPN），通过傅里叶分析从含丰富边缘、角点等高频方向线索的低层特征中估计目标主方向，将高层语义特征旋转对齐后再融合，消除跨尺度方向混乱；
扫描下方二维码，回复「78特融」
免费获取全部论文合集及项目代码
