该研究构建了大规模无人机RGB-红外车辆检测数据集，利用跨模态检测框架提升低光条件下的检测性能。提出的多级融合网络MLF-DET结合特征和决策级融合，显著提高3D物体检测效果。OV-Uni3DETR实现开放词汇3D检测，性能超越现有方法，并探讨了多模态遥感下的物体检测方法及未来方向。

本文介绍了多模态遥感数据集在建筑物提取和灾害响应中的应用，强调光学预处理的SAR数据在建筑物提取中的优势。新数据集如SARptical和SEN1-2促进了SAR与光学数据融合的深度学习研究，提供了丰富的样本和应用示例。同时，研究提出了新的城市制图方法和基准数据集，以提高多模态数据的利用效率和算法性能。

该文综述多模态遥感数据融合与语义标注研究，涵盖深度全卷积网络、多尺度方法及早后期融合，并比较目标检测方法与数据集；同时介绍多模态联邦学习、不确定性感知融合、自监督训练、不完整多模态学习及多模态图像融合等框架，实验验证其有效性。