模态降质仍稳健
将空间净化与时间自适应解耦，通过冲突驱动抑制热噪声并保持紧凑目标流形，提升跨模态跟踪稳健性。
Dong, Yujie · 李海燕 · Liu, Yajie · 郎恂 · 余鹏飞 · 周皓
Neural Networks 2026
利用语义分歧检测高能热噪声并动态抑制其影响，从而保护脆弱的可见光结构。
在测试时根据分布新颖性过滤冗余历史状态，维持多样且紧凑的目标流形，为动态自适应提供稳定的几何基础。
在三个主流 RGBT 跟踪基准上均取得与最先进方法相当且均衡的性能，验证了对严重跨模态退化的稳健性。