多模态AFMamba融合网络

线性复杂度 精度领先

该网络通过自适应融合与参数共享的跨模态注意力，在保持高光谱空间细节的同时高效联合LiDAR高程信息，实现了精度与效率的平衡。

翁谦 · Gengwei, Chen · Zengying, Pan · 林嘉雯 · 郑向涛

Journal of Remote Sensing 2026

参数信息

总体精度 (Trento)

99.33 %

总体精度 (Houston 2013)

91.74 %

总体精度 (MUUFL)

94.94 %

技术优势

计算复杂度线性化

通过Mamba的选择性状态空间模型，网络以线性复杂度建模全局依赖，避免了Transformer的二次计算开销。

精度超越现有方法

在三个基准数据集上均取得最高总体精度，超越Transformer模型和Mamba变体。

自适应融合增强互补性

自适应融合块通过可学习参数动态权衡多模态特征，经层归一化优化，提高了特征一致性和互学习能力。

应用场景

• 多源遥感分类：联合高光谱与LiDAR数据，提升地物分类精度。
• 多模态数据融合：通过自适应融合与参数共享，高效整合多模态特征。
• 地物精细识别：在三个基准数据集上实现高精度地物识别。
• 遥感智能解译：以线性复杂度提供准确的联合分类，支持智能解译。