Multimodal Fusion（多模态融合）

多模态融合旨在整合来自不同传感器或数据源的信息，常见方法包括早期融合（特征级）、晚期融合（决策级）和中期融合（模型级）。早期融合直接拼接特征，晚期融合对各模态独立预测后集成，中期融合通过注意力机制或跨模态交互模块实现。该技术广泛应用于视觉问答、情感分析、自动驾驶等领域，能弥补单一模态的不足，增强模型鲁棒性。