ICCV 2025 | 多模态融合！武大提出TemCoCo：视觉-语义交互+时间协作模块，实现视觉语义协同的多模态视频高质量融合 https://mp.weixin.qq.com/s/sMmQ3IO7u6gzJ3ErTWvyCg
多模态视频融合：
将不同模态（如可见光、红外）的视频序列融合，结合各模态优势（可见光保留细节纹理，红外突出目标），生成更全面的场景表征，支撑自动驾驶、安防监控等下游任务。
静态帧融合 vs 视频融合：
静态帧融合仅处理单帧图像，忽略帧间时间依赖性；视频融合需同时保证空间保真度（单帧质量）和时间一致性（帧间无跳变、无 artifacts）。