异构跨融合网络

生成信息引导

专为多模态遥感图像分类设计的生成信息引导型跨模态融合架构,实现异构数据互补融合与对比学习协同训练。

Junjie, Zhang · 赵峰 · 刘汉强 · 於俊

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

显式利用生成信息

通过 MGILA 捕获无监督异构分布特征,为跨模态融合提供生成信息源,弥补现有方法对生成信息探索不足的缺陷。

双向异构交叉注意力融合

HGCM 在异构数据与重建土地覆盖分布之间建立双向建模,提供互补的交叉融合源,增强模态间信息交互。

对比学习缩减模态差异

MCLF 设计的联合多模态损失函数在关注模态内外信息流的同时,直接减少模态间分布差异。

CNN-Mamba 混合骨干提取特征

CMNet 结合 CNN 和 Mamba,同时捕获局部信息和长程依赖,进一步提升分类性能。

应用场景