1、多模态信息融合
1.1 多模态信息融合
1.2 多模态图像融合
多模态医学图像融合的主要目的:
将多个来源的图像融合为一个单一的图像,每个来源的图像的都包含重要的特征,
互补数据的融合提高了多模态医学图像的准确性,降低了整体的不确定性。
多源图像融合通常是指针对某个场景,结合不同种类的传感器采集的图像,
利用计算机对不同图像进行处理融合,从而得到一个信息量丰富的图像[1]。
2、多视图融合
多视图学习(MVL)旨在通过组合多个不同的特征或数据源来学习共同的特征空间或共享模式[2] 。
应用:视频识别
Reference:
[1]冀鲸宇,王长龙,李永科,张玉华.多源图像融合及效果评价综述[J/OL].电光与控制:1-8[2022-03-20].http://kns.cnki.net/kcms/detail/41.1227.TN.20220105.1241.010.html.
[2] Yan X , Hu S , Mao Y , et al. Deep Multi-view Learning Methods: A Review[J]. Neurocomputing, 2021, 448(1).