滤除背景噪声
借鉴降噪耳机原理，通过并行注意力图差分响应，有效抵消背景与语言噪声，增强跨模态对齐的鲁棒性。
Zhibiao, Xue · 刘占文 · Haochen, Wang · Lin, Chunmian · Zhao, Wenjing · Daniel, Sun
Knowledge-Based Systems 2026
将跨模态融合重构为并行注意力图的差分响应，背景和无关语言词的共同噪声被自动抵消，注意力集中在真正的目标区域。
图卷积通过最大相对消息传递细化局部对齐，图引导的 Mamba 将视觉节点组织为因果序列，累积上下文，使深层网络仍能保持语言指导的一致性。
整个框架从语言查询到多目标轨迹输出一体化优化，无需分阶段训练或额外后处理，部署更简单。