过去几年“时空特征融合”正在从一个通用口号变成各领域模型性能跃迁的关键抓手在自动驾驶里它决定了多视角、多帧信息能否在 3D 空间中稳定对齐在协同感知里它决定了多主体、多时刻的数据能否在带宽与实时性约束下高效汇聚在视频生成与超分辨率里它又决定了画面细节能否在扩散式采样中保持跨帧一致甚至在脑电解码、蛋白动力学这类科学数据中跨尺度的时空结构同样成为提升泛化能力的核心线索。本文精选15 论文从“融合发生在哪里、融合如何可解释、融合如何高效可扩展”三个维度带你快速看清这个方向的最新脉络与下一步机会点。1.V2XPnP: Vehicle-to-Everything Spatio-Temporal Fusion for Multi-Agent Perception and Prediction.【创新点】提出统一 Transformer 框架融合跨时间、跨空间与多智能体信息。设计中间融合机制what/when/how 传输策略提升效率。构建首个大规模真实时序 V2X 序列数据集支持所有协作模式。【方法】研究中设计了一种基于统一Transformer架构的中间融合框架能够有效建模多智能体、多帧与高精度地图间的复杂时空关系。【实验】实验使用了自主研发的V2XPnP Sequential Dataset数据集全面支持车联网的各种合作模式并通过广泛实验证明了所提框架在感知与预测任务上优于现有先进方法相关代码和数据集将公开以促进未来研究。2.PrecisionSpatio-Temporal Feature Fusion for RobustRemote SensingChange Detection【创新点】引入精细时空融合模块precision fusion blocks捕获通道维 temporal 差异。增强解码器结构保留细节信息并减低计算量。优化损失函数提升遥感变化检测精度IoU/Recall【方法】 研究基于ChangeMamba架构引入了精确融合块以捕捉通道间的时变特征和像素级差异采用轻量级解码器管道和优化的损失函数来保持局部细节并解决类别不平衡问题。【实验】在SYSU-CD、LEVIR-CD和WHU-CD数据集上进行的实验表明该方法相比现有最佳技术实现了更高的精度、召回率、F1分数、IoU和总体准确率。3.SFADNet: Spatio-Temporal FusedGraphbased on AttentionDecouplingNetwork for Traffic Prediction【创新点】跨模式自适应时空图融合机制分解注意力。利用残差图卷积与时间序列模块加强动态关系捕获。不同交通模式下独立图融合改善预测准确度。【方法】SFADNet通过网络将交通流量分为多个模式并为每个模式构建独立的自适应时空融合图利用交叉注意机制、残差图卷积模块和时间序列模块捕捉不同细粒度交通模式下的动态时空关系。【实验】在四个大规模数据集上进行的广泛实验表明SFADNet在性能上优于当前最先进的基础模型。4.VideoFusion: A Spatio-Temporal Collaborative Network for Multi-modal Video Fusion and Restoration【创新点】提出多模态视频融合数据集 M3SVD。差分强化模块促进跨模态特征交互。Bi-temporal co-attention 捕获前后时间一致性【方法】VideoFusion模型通过微分强化模块、模态引导融合策略和双向时间共注意机制实现了跨模态信息的交互增强和时空依赖性的统一建模。【实验】实验使用了自构建的M3SVD数据集包含220对时序同步、空间配准的红外-可见光视频对共153,797帧结果显示VideoFusion在连续场景中的表现优于现有的图像导向融合方法有效减少了时间不一致性和干扰。